以下书籍、公开课、论文列表为个人整理，将持续更新，欢迎在评论区补充。

关于公开课视频的部分，本帖考虑到在国内网友观看的便利性，均转载的国内的网站搬运，而非原始地址。如有侵权敬请告知，我们会第一时间删除链接。

l  书籍：

n  深度学习

u  《深度学习（Deep Learning）》，Ian Goodfellow 等著。购买链接：https://item.jd.com/12128543.html

n  强化学习

u  《Reinforcement Learning an Introduction》，Richard Sutton等著。中文版购买链接：https://item.jd.com/12696004.html；英文版购买链接：https://item.jd.com/63186528199.html

u  《Neuro-Dynamic Programming》，Dimitri P. Bertsekas等著。购买链接：https://item.jd.com/35020369299.html

u  《Bandits Algorithms》，Tor Lattimore等著。购买链接：https://item.jd.com/10020768428676.html

u  《Decision Making Under Uncertainty and Reinforcement Learning》，Christos Dimitrakakis等著。

u  《Reinforcement Learning - Theory and Algorithm》，Alekh Agarwal等著。

u  《Reinforcement Learning state-of-the-art》，Marco Wiering等著。中文版购买链接：https://item.jd.com/12397664.html

u  《Dynamic programming》，Richard Bellman著。购买链接：https://item.jd.com/1039875168.html

u  《统计强化学习（Statistical Reinforcement Learning）》，杉山将著。中文版购买链接：https://item.jd.com/12611042.html

n  机器学习理论

u  《机器学习理论导引》，周志华等著。购买链接：https://item.jd.com/69651003034.html

u  《The elements of statistical learning》，Hastie等著。

n  概率图模型

u  《概率图模型原理与技术（Probabilistic Graphical Models - Principles and Techniques）》，Daphne Koller等著。中文版购买链接：https://item.jd.com/12868510.html

u  《模式识别与机器学习（Pattern Recognition and Machine Learning）》，Christopher M. Bishop等著。购买链接：https://item.jd.com/63186422373.html

u  《An Introduction To Graphical Models》，Michael I. Jordan等著。

n  博弈论

u  《博弈论教程（A Course in Game Theory）》，Martin J. Osborne等著。购买链接：https://item.jd.com/61839516765.html

u  《Essentials of Game Theory, A Concise, Multidisciplinary Introduction》，Kevin Leyton-Brown等著。购买链接：https://item.jd.com/1048815371.html

n  分析学

u  《Principles of mathematical analysis》，Walter Rudin等著。购买链接：https://item.jd.com/12509009.html

u  《Infinite Dimensional Analysis》，Charalambos D. Aliprantis等著。

n  概率论

u  《Probability Essentials》，Jean Jacod等著。购买链接：https://item.jd.com/1202083801.html

u  《A Course in Probability Theory》，钟开莱著。购买链接：https://item.jd.com/27161043240.html

n  优化

u  《凸优化（Convex Optmization）》，Stephen Boyd等著。中文版购买链接：https://item.jd.com/34258467257.html

u  《Numerical Optimization（第二版）》，Jorge Nocedal等著。英文版购买链接：https://item.jd.com/67905226641.html

l  公开课：

n  深度学习

u  斯坦福大学吴恩达老师的deeplearning.ai课程。国内观看地址：https://www.bilibili.com/video/BV1FT4y1E74V

u  国立台湾大学的李宏毅老师的机器学习课程。国内观看地址：https://www.bilibili.com/video/BV1JE411g7XF

n  强化学习

u  伦敦大学学院David Silver强化学习课程。国内观看网址：https://www.bilibili.com/video/BV1kb411i7KG

u  加州大学伯克利分校CS 285强化学习课程。国内观看网址：https://www.bilibili.com/video/BV1dJ411W78A

u  伦敦大学学院汪军老师的多智能体人工智能（Multi-agent AI）课程。国内观看地址：https://www.bilibili.com/video/BV1fz4y1S72S

n  概率图模型

u  卡内基梅隆大学邢波（Eric Xing）老师的概率图模型课程，国内观看网址：https://www.bilibili.com/video/BV1cW411i7jj

u  斯坦福大学Daphne Koller老师的CS 228概率图模型课程，国内观看网址：https://www.bilibili.com/video/BV1X441127w7

n  机器学习理论

u  老版斯坦福大学吴恩达老师的机器学习课程，国内观看网址：https://www.bilibili.com/video/BV1EW411R7g6

u  Coursera版斯坦福大学吴恩达老师机器学习课程，国内观看网址：https://www.bilibili.com/video/BV164411b7dx

u  国立台湾大学的林轩田老师的机器学习基石课程，国内观看网址：https://www.bilibili.com/video/BV1Cx411i7op

l  经典论文：

n  强化学习

u  请参考OpenAI Spinning up论文提供的列表：https://spinningup.openai.com/en/latest/spinningup/keypapers.html