推荐资源大部分来自《深度学习入门之 PyTorch》（廖星宇 编著）。

Python 语言三个学习资源

（1）《笨方法学 Python》（Learn Python the Hard Way）

本书面向零基础的读者，通过一系列简单的例子快速入门 Python 的基本操作。
可网上搜索其 Python3 版中文译本。

（2）廖雪峰的 Python 入门

用来更全面地学习 Python，掌握前几章的 Python 基础即可。
链接：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

（3）Edx：Introduction to Computer Science and Programming Using Python

MIT 公开课，以 Python 作为入门语言，简洁、全面地讲述了计算机科学的内容，适合进一步的学习。
链接：https://www.bilibili.com/video/av2710394

机器学习（含深度学习）参考学习资源

（1）线性代数

• 《线性代数应该这样学》（Linear Algebra done right）
  可网上搜索中文译本电子版。
• MIT 的线性代数公开课
  链接：MIT 线性代数
  链接：MIT 线性代数习题课
• Coding The Matrix
  链接：Coding The Matrix

（2）机器学习基础
学习资源从易到难排列：

• Coursera 上 Andrew Ng 的机器学习入门教程
  链接：机器学习 Andrew Ng
• 林轩田的机器学习基石和机器学习技法
  链接：机器学习基石
  链接：机器学习技法
• Udacity 的机器学习纳米学位
• 周志华著的《机器学习》
• 李航著的《统计学习方法》
• Pattern Recognition and Machine Learning
  可搜索中文电子版对照阅读。

（3）深度学习

• Deep Learning（Ian Goodfellow and Yoshua Bengio and Aaron Courville “花书”）
  中文译本电子版：深度学习
• Udacity 的两个深度学习课程
• Coursera 的 Neural Networks for Machine Learning
  链接：神经网络机器学习
• Stanford 的 cs231n
  链接：深度视觉识别
• Stanford 的 cs224n
  链接：深度学习自然语言处理

（4）其他

• 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》
• 《推荐系统实践》（项亮 编著）
• 《深度学习与计算机视觉 – 算法原理、框架应用与代码实现》（叶韵 编著）