学习相关

1. 听力，推荐可可网，题目、答案、听力原文都有。
   

   Tip:选择打印可生成pdf,方便修改

2. 线性代数的英语，这里有一个两小时左右的线代视频，从几何角度阐述线代本质。
   见B站链接，线性代数的本质 - 系列合集

3. 计算方法找到五张较为不错的试卷，并且有答案，如果有做的话，到时大家可一起交流。百度网盘链接

4. 菜鸡的编程之路：

1.首推廖雪峰的博客，他的GIT入门还有Python入门都极为友好

直接搜廖雪峰即可

2. 其次推荐Udacity的Introduction to CS, 这个课程是面向高中生的，但口碑极好，诸多大牛曾力荐这门课程。（计划过段时间在学）这个有中英文版，建议做英文笔记，因为接下来是要撸国外顶尖CS课程。
3. 最重要的一门课程，来自Berkely University的Introduction to CS,纯英文，在油管上可以加载英文字幕。
4. 机器学习：这就有很多选择了，周志华的西瓜书，网易云课堂的吴恩达课程。不过比较推荐GOOGLE最新出的机器学习项目入门
   TensorFlow是目前最流行的深度学习框架
5. R语言：主要是做可视化的，我当时就是用R入门机器学习的，学习曲线很坎坷，难受。《R语言实战》《Introduction to statistical learning》后者应该是统计机器学习的巅峰之作了，用R语言实现的。
6. 优化：Boyd的convex optimization自然不能错过了，基于Matlab实现的，如果这个课程撸完了，研究生两个学期的计算方法倒可以很轻松的完成了。

5. 最近用的比较流畅的一个梯子是MR CLOUD, 选3元试用版，可以用很久很久了。

6. 文献搜索，之前撸美赛的时候发现一个SCI+Google scholar的网站，六的很。