PDF与Word的内容一般是一样的，但PDF可能落后一些版本，因为我懒得每次写完转PDF，但是PDF确实方便阅读。
html是markdown直接导出的，方便阅读。
以PDF为例，本笔记的整个结构与描述是：
.
├── 数学基础.pdf [√]主要是线代与概率论，参考的鸢尾花书、雷明
├── 数据分析-Code.pdf [√]之前的练手的，能run，但是正在整理与重构中，请参考我的Easier_DataScience仓库
├── 机器学习.pdf [正在更新]机器学习(含DL)的原理推导(一般不推导纯数学公式)
├── 推荐系统.md [正在更新]推荐系统的一些原理
├── 深度学习.md [正在更新]对深度学习的一些总结，具体部分是在机器学习.pdf中
├── LaTex.md 记录一些LaTeX语法
├── git.md 记录一些git语法
├── 代码基础.pdf [×]刚学的时候记录的，还没翻新，逻辑可能混乱
├── 数据处理-Code.pdf [×]虽然数据处理很重要，但是我比较懒，还没翻新，而且也可以在Easier_DataScience中找到
建议将数学基础当做查阅，
机器学习的还是可以的(自认为)，
数据分析的代码请参考Easier_DataScience(基本所有的机器学习、深度学习等的代码都会整合到里面去，形成统一而便捷的api调用或是demo)，
推荐系统正在学习中。
- 《鸢尾花书》 - 从加减乘除到机器学习
- 推荐理由：配图极其优秀，整体逻辑比较连贯，原理讲解很棒。
- 缺陷：有些啰嗦，没办法速通，代码写的也是一坨，甚至不肯格式化一下。
- 《动手学深度学习》 - 面向中文读者的能运行、可讨论的深度学习教科书，简称d2l
- 推荐理由：深度学习实操，除了部分大一点的模型我的电脑太辣鸡直接爆显存之外，基本都能直接运行，而且原理的讲解确实牛逼，社区也不错。
- 缺陷：虽然是中文，但是很有机翻的感觉。什么都放在d2l.py里了，代码逻辑比较混乱，需要自己重构一部分代码，但是起码也算是我目前见过的代码写得比较好的了。
- Easier_DataScience - [自荐]我写的一些便于MLDL等AI相关的module或是一些demo，希望调用或复用的时候更方便
- 推荐理由：方便调用，不用每次都写一遍
- 缺陷：还在更新中，有些模块还没写完或者还没测试，部分代码逻辑可能不够清晰
- 雷明-机器学习的数学 - 机器学习的数学基础
- 推荐理由：数学推导比较详细，适合想要深入了解的人。
- 缺陷：没图，全是公式。另外目前还没在网上找到电子书，我是买的纸质的。
没打○的就是我没看过，阿巴阿巴~
中文社区的资料就这鬼样子，真的烂大街的我肯定不会放上来了。
以下排名分先后（我没看的不算）：
- ○李宏毅深度学习教程 LeeDL Tutorial
- 不是入门书，可以先看d2l再看这个。这个书提及了很多细节与问题，更多的是启发性思考，书中主要是讲解一些深度学习的原理，不过没有代码实现。
- 我的评价是神中神！
- ○AI数学笔记 Liang's Blog
○AI算法工程师手册 huaxiaozhuan
- 比较难的公式推导都有，按需查阅。
- 感觉挺全面的。
- ○动手学ML
- 电子书，免费。
- 不是入门书，适合有一定基础的看。
- 部分公式存在严重错误，但是讲解还可以，需要有自己的判断能力。
- 习题答案可以参考：motewei
- ○文亮-推荐系统技术原理与实践
- 有电子书(需要异步会员，但是异步会员可以通过已经购买了的纸质书兑换)，相当于半白嫖。
- 整体讲解还可以，最好搭配FunRec一起看。
- 举例大部分是阿里巴巴的模型，难道阿里巴巴给他打钱了？
- ○动手学NLP
- 无电子版(异步都没电子版)，买了纸质书，书挺好的，但我现在被劝退了，我不适合学NLP，感觉NLP的理论不美。
- ○王晓华-从零开始大模型开发与微调：基于PyTorch与ChatGLM
- 有电子版，付费，跟纸质版价格差不多。有神秘链接，但是要快手关注才能拿密码，我又没下。。。
- 这本书不适合0基础，而是适合学了一点之后再看。其号称“通俗易懂”的原因是难的都不讲，都让读者“自行在网上查阅”。
- 没有原理讲解，代码写的屎到不行而且有些感觉直接copy的连注释都是英文(我见过的最烂的)，唯一的优势是新且比较实用。
- 动手学CV
- 无电子版，而且github仓库都没建好，纸质书好像也没了，所以我没看
- 动手学RL
- 有电子版，据说好
- 带注释的pytorch论文实现
- 个人感觉翻译得非常差，但是类似的其他资源还没找到更好的
- 强化学习导论
- 人大LLM-Book
- 可下载阅读
以下请避雷：
- 扩散原理从入门到实战-异步图书：没有原理讲解，我看完了还是一知半解的状态，代码是英文原版的机翻。另外其实这是个开源的书，感觉不如看这个开源资料。
- 自动机器学习入门与实践-华中科技大学出版社：没有原理讲解，大部分是ML而非autoML，代码就是英文原版的一个字都没改。
- Datawhale-github或者Datawhale-官网 好像都是免费，质量还挺不错的(但是因为显然每一章节的作者不相同，导致逻辑连贯性不够强、符号使用不太统一)，但是感觉最近更新的不多。整体来说，我觉得Datawhale的质量还是比较高的，并且有些教程确实是独一无二的，比如plt的我就没在其他地方看到研究得这么细致的。
- boyuai-github或者boyuai-官网 有付费内容，但是动手学系列都是免费的，但是动手学NLP,CV的不知道为什么没有电子书了。
- B站-这是我已经看完了的视频教程的一个收藏夹 主要包括：
- BV1T84y167U9 机器学习(传统的机器学习算法基本都有)。虽然我不推荐看唐宇迪的视频来学机器学习，但是他的视频确实简单，拿个二倍速过一遍当入门就行。
- BV1RT411G7jJ 机器学习(侧重统计学习)。内容不是很多，但是讲的都很好
- BV15V411W7VB 机器学习(侧重神经网络)。跟上面一个一样，内容讲的很不错，能启发思考。
- 李沐、李宏毅、吴恩达等大佬的视频，这里不给出链接了，我自己还没看多少。
| 书籍 | 整体印象1 | 阅读舒适度2 | 实用性3 | 逻辑性4 | 启发性5 | 语言6 |
|---|---|---|---|---|---|---|
| 《动手学深度学习》 | 9 | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ |
| 《鸢尾花书》 | 8.5 | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★★★ |
| 《机器学习的数学》 | 8 | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★★☆ |
| 动手学ML | 7 | ★★★☆☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ |
| BV1T84y167U9 | 5 | ★★★★☆ | ★★★★☆ | ★★☆☆☆ | ★☆☆☆☆ | ★★★☆☆ |
以上是我觉得还不错的资料的评分。评分十分主观，仅供参考，应当根据自己的学习目的与风格选择适合自己的学习资料。