• 基础篇（Fundamentals）：
- 《Mathematics of Machine Learning》：扎实数学基础，理解机器学习核心原理。
- 《Artificial Intelligence: A Modern Approach》：AI全景视角，奠定理论框架。
- 《Deep Learning》：深度学习经典教材，理论与实践结合。
- 《An Introduction to Statistical Learning》：统计学习方法入门，实用且易懂。
• 实战篇（Hands-on）：
- 《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》：涵盖主流框架，注重动手实践。
- 《Deep Learning with Python》：结合Keras，快速实现深度学习项目。
- 《Generative Deep Learning》：生成模型实操，拓展高级应用。
- 《Deep Reinforcement Learning Hands-On》：强化学习实战，前沿技术落地。
• 工程篇（ML/AI Eng）：
- 《Designing Data-Intensive Applications》：大规模数据系统设计，提升架构能力。
- 《Scaling Machine Learning with Spark》：分布式机器学习框架应用。
- 《AI Engineering》：AI系统工程实践，跨学科融合。
- 《LLMs for Production》 & 《LLM Engineer’s Handbook》：大模型部署与工程指南，前沿趋势必备。
- 《Generative AI with LangChain》和《Building Agentic AI Systems》：生成式AI与智能代理系统开发，开启未来智能应用大门。
