强化学习研究员Flood Sung和ChnX两位的推荐名单里除了一本名为《强化学习》的经典书目之外，还有斯坦福和UC伯克利的开源教学内容。 《Reinforcement Learning: An Introduction》作者：Richard S. Sutton and Andrew G. Barto 这本书是强化学习最全面、最基础的教材，两位研究员强烈建议每一位同学通读一至两遍英文原版。 前面抖音推荐团队Leader William也非常推荐这本书，这本强化学习综述书, 可以帮助初学者建立相关知识体系。 英文原版：http://incompleteideas.net/book/the-book.html相关课程：https://www.davidsilver.uk/teaching/ UC伯克利CS285：Deep Reinforcement Learning主讲：Sergey Levine 这套课程包含23节课程和5个课后作业，适合对强化学习、机器学习有一定了解的人。 链接：http://rail.eecs.berkeley.edu/deeprlcourse/ 斯坦福CS 330：Deep Multi-Task and Meta Learning主讲：Chelsea Finn CS 330整体课程比较长，大约需要3个月的学习时间，不过两位研究员更推荐课程中Meta-RL的部分，压力会小一点。 链接：https://cs330.stanford.edu/
机器翻译
机器翻译团队Leader王萱选择了经典的书目和课程。 《统计学习方法》作者：李航 王萱认为，这本书由浅入深，涉及的知识面非常广，算法包括NB、LR、SVM、CART、GBDT、感知机、最大熵、EM、HMM、CRF等，书中例子、推导、算法介绍相对比较详细，适合花比较完整的时间，细细赏读。 另外，这本书还有一个优势是网上的解析、课程甚至所有算法的GitHub开源都非常完整，碰到难懂的问题，都可以很快找到答案。 前面抖音推荐团队Leader William同学也认为，这本书每个模型讲的很透彻，对提升机器学习背后的数学能力有帮助。 斯坦福CS 224N：Natural Language Processing with Deep Learning主讲：Christopher Manning, John Hewitt 王萱说，斯坦福的自然语言处理课程非常棒，主要介绍深度学习相关知识，从 word2vec 开始，到机器翻译、Transformer、BERT 都有详细的介绍。所有的课程设置也非常合理，包括练习、代码、slides、相关文献官方都做了非常好的整理。 链接：http://web.stanford.edu/class/cs224n/
知识图谱
字节跳动知识图谱算法工程师David推荐了两本知识图谱相关的中文书籍和一本英文书，斯坦福CS 520也是业界备受推崇的课程。 《知识图谱：概念与技术》作者：肖仰华 这本书系统地介绍知识图谱概念、技术与实践，可以帮助读者建立知识图谱学科体系，贴近工业界的情况。 《知识图谱》作者：赵军 知识图谱方面全面综述性的书籍，方方面面都有讲到，是不错的入门书。 《Linguistic Categorization》作者：John R. Taylor 牛津语言学教科书，涵盖了1987年以来认知语言学的重大发展，也是相对基础的一本书。 斯坦福CS 520：Knowledge Graphs主讲：Vinay K. Chaudhri, Naren Chittar, Michael Genesereth等 饱受好评的斯坦福CS系列，授课人是30余位来自学术界和工业界的专家，在国内也有相当多的簇拥。 链接：https://web.stanford.edu/class/cs520/
