资料清单 - 前言
目录
内容简介
本清单中包括了绝大多数信管专业的技术或数学相关专业课的参考资料推荐，分为数学、编程、数据科学三部分。实际上这里面的课程涵盖了大部分大学专业的数学和技术的基础课，因此就算不是信管专业的同学也可以有很多收获。
这是一份我希望在我大学刚开始时能够看到的清单，主要是供对技术感兴趣的同学参考。如果你希望掌握好应用开发和数据分析的基本能力，就应该把清单里提到的那些课程学好。不管是科研还是就业，这方面的能力都是不可或缺的。要学好这些科目单靠课堂是远远不够的，需要自己再多加学习和实践，这份清单可以给你提供进一步学习的方向。
本清单的原则是每一个领域只推荐最优秀最必需的资源，而不是罗列资料。笔者自己就常常落入资料太多不知道看哪个的窘境，所以希望帮助你避免这个问题。
关于英语
你会发现这里推荐的大部分资源都是英语的。这是因为大部分的高质量资源都是英语国家（特别是美国，毕竟人家是IT发源地）的人生产的，而这些资源就算有翻译，翻译的质量也没有保障。而且大部分的我们推荐的资源的英语都非常平易近人，并不难读。也只有阅读英语原文才能更好地体会作者的原意，最大限度地吸收知识。
对于想要学好技术的同学来说，流利的英语听读能力是非常重要的。一开始我自己看到满屏幕英语文档和看到没有字幕的英语视频也是非常头痛的，但看多了听多了就会发现自己可以毫无障碍的阅读和聆听了。所以其实不用对全英的东西有胆怯心态，你们在高中学到的那些英语知识已经足以应付大部分我们推荐的资料了。
听的方面，建议从比较简单的课程开始听，例如 coursera 上的 Learning How To Learn 课程，这门课不仅可以锻炼听力，还会教给你正确的学习方法。读的方面，可以从一些经典的课本开始，例如 Gilbert Strang 的 Introduction To Linear Algebra 或者 Dr.Chuck 的 Python For Everybody，这类经典课本都是面向全球学生的，因此它们的用词也非常平易近人。
在此基础上，去看我们推荐的那些资料，必要的情况下借助 ChatGPT 或者翻译软件的帮助，你会发现你的英语听读能力越来越强。英语的学习并不需要刻意花时间，在利用英语能力学习其他知识的过程中，你的英语能力就能够得到提升。
coursera 和油管等平台都需要一些特殊手段才能访问，这方面大家可以咨询身边有门路的朋友。实在找不到的话，大部分的课程视频在b站也可以搜到。
项目初衷
笔者在大学学习的过程中经历了这样两种阶段：
一开始啥也不会，想学什么东西都是直接上B站和百度搜。也不是说B站不好，上面有很多原创和搬运的优质内容。但大部分看似火爆的内容其实质量都很一般，而一些真正好的内容也可能因为热度不够所以无法被发现。百度搜出来的东西大部分质量都不是很高，有大量重复抄袭的内容。这个阶段的我因为获取不到优质的学习资源，学习效率是很低的。
后来自己的信息检索的能力逐渐提升之后，又陷入了另一个极端。在寻找某个主题的学习资源的过程中，想看视频教程的话我可以到YouTube，Coursera，Edx 等平台查找，想看书的话可以用 Library Genesis，Z-Library，还有大量的文档和在线书籍可以看。但实际上学习某个主题只要选择最优秀的一到两个资源学习就够了。如果是针对平常上课已经了解过一些的内容，就更没有必要从头到尾再看一本教科书或者一个课程了。因此这个阶段的我常常会陷入有太多的资料可以选择，反而不知道从何开始的窘境。而且因为信息获取的渠道变多了，搜寻信息的上瘾感让我把大量的时间花在搜集各种资料上，浪费了我很多本可以用于学习的时间。
后来，我有了自己的一套判断标准，在学习某个主题时根据自己的具体情况和需求，结合资源的质量和体量综合考虑，来选择最适合自己的一到两个资料进行学习。
例如我想要学习数据可视化的相关技术来做数据可视化课程的大项目，此时的我已经在课堂上学习过数据可视化的基本理论了，所以我需要的就是学习一个具体的可视化工具，而不是阅读一本关于数据可视化的完整教材。作为一个对前端开发比较感兴趣的人，我决定选择学习
d3.js，因为我后续的工作中可能也会用到它。最后，由于我主要是为了完成大作业，所以没有办法花费太多的时间进行学习，最好是参考能够直接up and running的教程。经过一番搜索之后我了解到 o'reilly 出版的《数据可视化实战：使用D3设计交互式图表》符合我的要求，相比于d3.js的官方教程，这本书的讲解更详细并且提供了更多的例子，因此我就选定了这本书作为我的参考资料。
所以，本清单就是为了帮助大家提高学习的效率，避免落入我曾经历过的两种极端，为大家推荐每个课程相关的最佳资料。这样大家既可以接触到高质量的资料，又不至于被信息的洪流淹没。推荐的资料一般有两种类型：一种是从零开始入门相关的科目；一种是作为课堂学习的补充资料，帮助你更好地吸收知识。
当然，正如我上面说到的，选择何种资料取决于个人的具体情况。因此如果你发现推荐的资料不符合你的要求，也可以自行寻找，具体的信息检索方法请看这里。