1. 简介
初学者，甚至现有的机器学习从业者和数据科学家，在海量的信息中感到迷失。信息过载，我们可能无法知道哪篇文章值得阅读，直到我们真正阅读它。作为非专家寻找信息，以下问题会浮现在脑海中。
- 这篇文章是否可信？我能相信这里写的内容吗？
- 这个解释适合新手吗，或者作者是否跳过了许多重要细节？
- 这些信息在2023年是否有用，值得我投入时间，还是已经过时了？
希望我的经验能为下面的建议增加份量。我推荐的文章都是我对上述三个问题回答“是”的文章。
这篇文章适用于：
- 正在考虑是否进入人工智能领域的学生。
- 想要了解哪些领域需要填补空白的新入职者（应届毕业生或转行者）。
2. 问题
今天，在互联网上我们面临以下问题。
即使你已经缩小到想要的具体信息，仍然有太多作者提供的信息。
你如何从以下内容中进行选择？
请不要误解我的意思。并不是说任何人都是骗子；相反，我相信有很多文章是因为有很多有经验的从业者，他们希望记录自己学到的东西，并同时把它分享给公众，并提升自己的知名度。然而，我们不可能阅读每一篇文章。
许多学生问我，为了为自己在数据科学领域的职业生涯做准备，他们应该读些什么。我的答案是首先在该领域打下坚实的基础，然后深入研究具体的专业领域。然后他们问我是否有任何可以分享的资料…