来源：知乎
https://www.zhihu.com/question/396032753
本文来自知乎问答，仅供学习参考，著作权归作者所有
如有侵权，请联系删除
作者：笃定
深圳大学 计算机科学与技术硕士在读
https://www.zhihu.com/question/396032753/answer/1241693021
我只能谈谈研究生的，可以参考NYU公开课DS-GA1003 Machine learning提供的Reference，里面都是讲义，简洁明了。
DS-GA 1003 MACHINE LEARNING davidrosenberg.github.io[13]
作为一名渣硕，我曾花了很多时间重新学习线代，我自己的体会是，不要陷入打好数学基础的怪圈，要学以致用。因此我并不推荐太多资料，下面的是我看过的。
小白入门：CS229讲义[1]、线性代数的本质[2]
夯实基础：MIT线性代数[3]、《线性代数及其应用》[4]
论文工具：matrix cookbook[5]、矩阵求导术[6]
CS229讲义
《概率论与数理统计》[7]：陈希儒先生的书，概率论部分可读性高，数理统计可以参考《概率导论》[8]
可汗学院统计学[9]（我还没有看过，但很多人推荐
CS229讲义上[10]、下[11]
参考这个回答如何从零开始学习凸优化？[12]
对于需要进一步深入的同学，这里补充一个github上关于机器学习和数学基础的总结，会更系统和全面，供大家参考。
JustFollowUs / Machine-Learning[14]
对于有志于进入人工智能的本科生，这里还有一份斯坦福公开课的加点路线，除了数学、还补充了计算机类的课程。
https://zhuanlan.zhihu.com/p/144951953 zhuanlan.zhihu.com
[1] http://cs229.stanford.edu/p/cs229-linalg.pdf
[2] https://www.bilibili.com/video/av5987715/
[3] https://www.bilibili.com/video/av36568126?from=search&seid=9054773391352490522
[4] https://book.douban.com/subject/1425950/
[5] http://www2.imm.dtu.dk/pubdb/pubs/3274-full.html
[6] https://zhuanlan.zhihu.com/p/24709748
[7] https://book.douban.com/subject/2201479/
[8] https://book.douban.com/subject/26694188/
[9]http://open.163.com/newview/movie/courseintro?newurl=/special/Khan/khstatistics.html
[10] http://cs229.stanford.edu/p/cs229-cvxopt.pdf
[11] http://cs229.stanford.edu/p/cs229-cvxopt2.pdf
[12] https://www.zhihu.com/question/68418633/answer/264232350
[13] https://davidrosenberg.github.io/ml2019/#resources
[14] https://github.com/JustFollowUs/Machine-Learning
