近些年来随着算力和数据的发展，机器学习和深度学习越发火热，相关算法岗位的薪资也较高。作为一名机器学习方向且涉猎较广的毕业生，结合自己工程和面试经验，在这里为大家推荐一些相关的学习资料，希望可以对你有所帮助。
一个算法工程师需要掌握的编程语言是 python/C++,如果想成为一名算法工程师，可以去各大招聘网站看一下大厂对于算法工程师的要求，这有助于你未来的发展规划。如果你对于编程语言没有入门，建议先掌握python，然后才能进行下一步的学习。
《Python编程-从入门到实践，作者: Eric Matthes
豆瓣评分9.1,知乎力荐。此书是一本针对所有层次的Python读者而作的Python入门书。对于基础的定义有清晰的阐述，每一个方法都有清晰的说明和实际的编程案例。初学者友好。
对于C++语言推荐 C++ Primerx Plus，经典好书，良心推荐。
对于机器学习入门推荐“西瓜书”，《机器学习》周志华著
经典的机器学习入门书，内容全面,涵盖了绝大多数热门算法与模型。
在线课程:吴恩达机器学习和深度学习系列课程
地址:
https://www.bilibili.com/video/av50747658?from=search&seid=15916164083830404326
https://www.bilibili.com/video/av66314465?from=search&seid=15916164083830404326
对于新手友好，条例清晰。使用示例对于相关知识进行了阐述，建议观看。
了解了相关基础，就该进行相关代码的工程实践,目前常用的深度学习框架有:TensorFlow、Pytorch、Keras以及Caffe。这里笔者对于Caffe了解甚少，故仅推荐上述三种框架的入门书籍。
keras代码量很小，代码结构非常明确，而且是纯Python代码，可读性很好，相对其它框架非常易于上手，搭配实际示例以及文档即可上手，在这里推荐Keras之父写的书。
Keras中文文档: https://keras.io/zh/
《PyTorch深度学习》 Vishnu Subramanian著
PyTorch凭借其易学习性、高效性以及与Python开发的天然亲近性，获得了深度学习研究人员以及数据科学家们的关注。书中从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。对于多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，每个章节都附有可运行的代码示例。学完此书后，可以使用PyTorch轻松开发深度学习应用程序。
TensorFlow更新到了2.0版本，相对于1.x在有了许多改变，然而大部分书籍都是1.x版本的。故这里进行一些线上资源的推荐。
简单粗暴入门TensorFlow 2.0: https://zhuanlan.zhihu.com/p/85748069
TensorFlow 2.0入门笔记: https://geektutu.com/post/tf2doc.html
除此之外我还有两本书想要推荐:
《软技能 代码之外的生存指南》
一个合格优秀的程序员不只要写好代码。书中从各个方面叙述了程序员需要具备的软技能。包括:如何提升效率和生产力，如何系统学习，如何自我营销,如何理财和实现财务自由,如何选择目标和公司。程序员的圣经，非常推荐。
《剑指Offer》
如果想要毕业进入大厂拿到好Offer,建议阅读这本书，包括笔试面试都有讲述，同时建议搭配LeetCode，手撕代码就完事了~
希望本博客能对你的学习有所帮助!