AI 方向的话, 扎实掌握高数, 统计学后进展会很快. 所以就算我是 AI 方向学科的计算机专业, 也是大二下才开始系统学习.
大二下基本上进行的是概述, 大三才开始真正的算法学习, 实装等等.
我们研究室的学习会, 教授指定入门书目是 [The Elements of Statistical Learning](
https://web.stanford.edu/~hastie/ElemStatLearn/), 电子版免费的. 另外一本简单一点的参考是 [统计机器学习](
https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E7%9A%84%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E2%80%95%E7%94%9F%E6%88%90%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AB%E5%9F%BA%E3%81%A5%E3%81%8F%E3%83%91%E3%82%BF%E3%83%BC%E3%83%B3%E8%AA%8D%E8%AD%98-Tokyo-Tech-Be%E2%80%90TEXT-%E6%9D%89%E5%B1%B1/dp/4274502481)
纯看书的话我当时吃不消, 一边查找资料一遍看的. 参考比较多的是李航的统计学习方法. 网络资源的话, CSDN 有很多复制粘贴, 但是其中有一部分文章质量还不错, 有图讲的挺清楚的, Udemy 上有些课程可以参考.
计算机学科的资源网络上真的太多了, 优质的也很多, 完全取决于你自己想不想学, 有没有毅力坚持看下去.
也可以买一些实战 Python 机器学习的书练手, 就有比较多的 pandas, numpy 使用可以熟悉. 但是感觉就和教授和我讲的差不多, AI 相关的本科就算读完了知识也不够, 现在已经决定考研.
我自己的话其实不在乎方向的, 学计算机学的就是一个兴趣, 用 Flask 开发 API, 简单的 IoT 设备组装开发, Swift, go-lang 后端, 网页设计, UI 设计, 算法, Unity 小游戏开发, 有空都会自己去试试, 我觉得只有试的多了才知道自己最喜欢最适合搞什么.