（1）基础知识：算法，机器学习，数据库，数据挖掘，概率论、数理统计，随机过程，数值计算，运筹学。
（2）进阶知识：自然语言处理，深度学习，贝叶斯统计，时间序列，随机采样，非参数统计，稳健统计，拓扑和几何的基础知识。
（3）推荐书单：
《Pattern Recognition and Machine Learning》M.Bishop
《Machine Learning课程讲义》Andrew Ng
《机器学习》周志华：百度数据科学家董维山强调：我推荐周志华教授《机器学习》（俗称“西瓜书”），但他告知：准备应为多方面的，概括为专业知识+实践经验，同时保持对新技术的不断学习也非常重要。）
《时间序列：非参数和参数方法》范建清
《Categorical Data Analysis》Alan Agresti
《The Element of Statistical Learning》 T. Hastie / R. Tibshirani / J.H.Friedman
《统计学习方法》李航
《Statistical Inference》Casella & Berger
《All of Statistics A Concise Course in Statistical Inference》Larry Wasserman
（4）学术文章
（5）在线学习渠道
Coursera：Python、R、Machine Learning等知识的学习
LeetCode：学习算法和数据库
Udacity：模型学习
CDA学院：edu.cda.cn
（4）学术文章
（5）在线学习渠道
Coursera：Python、R、Machine Learning等知识的学习
LeetCode：学习算法和数据库
Udacity：模型学习
