学习深度学习以及面试肯定离不开下面的5个重要的资料，更何况是中文版！
教程根据 PyTorch 官方版本目录，完整地还原了所有的内容。包括简单的环境搭建、快速入门相关 API、高级操作、图像处理实战、文本处理实战、GAN 和强化学习等，基本涵盖了目前所有深度学习相关的知识点。统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外，每章介绍一种方法。叙述力求从具体问题或实例入手， 由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。 为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。 本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供从事计算机应用相关专业的研发人员参考。《神经⽹络和深度学习》是⼀本免费的在线书，对读者数学知识需求适度，兼顾理论和动手实践。⽬前给出了在图像识别、语⾳识别和⾃然语⾔处理领域中很多问题的最好解决⽅案，教读者在神经⽹络和深度学习背后的众多核⼼概念。北京大学公开课《数据结构与算法Python版》于中国大学MOOC第2次开课，课程将围绕着“算法+数据结构=程序”的思路，以问题求解为导向进行学习，帮助学生提高理论、抽象、设计的能力。该课程注重数据结构与算法的实践与应用，在课程中穿插了生动案例和编程练习，引导学生积极建立数据抽象和层次分析的思维模式，通过解决实际问题来加深对数据组织结构和相应处理算法的学习体会，并学会通过实际应用情况来权衡时空和其它资源开销，达到最优的应用效果。
