标签
一篇博客文章分享了Louis Lyons的《你想了解的数学，但不敢问：理科生数学，第二卷》（免费PDF），内容涵盖物理和工程专业学生所需的高等数学主题。
一份来自arXiv的585页开放获取的博弈论PDF教材，包含165道已解答的习题。
分享了来自加州大学戴维斯分校的 David Cherney、Tom Denton 和 Andrew Walton 编写的《线性代数》免费PDF，强调了该书对人工智能和数据科学的重要性。
推荐MIT的免费650+页教科书《计算机程序的构造和解释》（SICP），该书教授基本的解决问题和计算机科学概念，而不仅仅是编码语法。
由Eric Lehman、F. Thomson Leighton和Albert R. Meyer合著的教材《Mathematics for Computer Science》的免费PDF版本可通过MIT开放课程获取，为计算机科学提供了必要的离散数学基础。
Yoshua Bengio的《深度学习》教科书，与Ian Goodfellow和Aaron Courville合著，可在deeplearningbook.org免费在线阅读，全面涵盖神经网络及相关数学知识。
MIT 已免费在线发布完整的 900 页离散数学教科书《Mathematics for Computer Science》，涵盖证明、图论、状态机、计数、递归和概率论在计算机科学中的应用。
推荐MIT经典教材《计算机科学数学》，适合计算机初学者系统学习基础数学。
一本涵盖RISC-V微处理器和系统芯片详细设计的教材，包括用于单发射、超标量和多核实现的开源SystemVerilog代码和测试用例。
一本由 Douglas Thain 教授编写的免费在线教材，介绍编译器构造，读者可学习如何为类 C 语言构建编译器，生成 X86 或 ARM 汇编代码。支持免费下载或购买纸质版。
免费开放教科书《Introduction to Theoretical Computer Science》已在哈佛课程中使用，涵盖基础理论，包括计算、算法、复杂性和量子计算。
一本免费教科书《Mathematics for Computer Science》根据CC BY-SA 3.0许可证提供，涵盖计算机科学学生所需的关键主题。
一篇题为《The Hitchhiker's Guide to Agentic AI: From Foundations to Systems》的论文提供了关于LLM和代理型AI基础的全面教科书式资源。
哈佛大学开源了一套全面的两卷本机器学习系统教科书，涵盖针对现实约束工程化AI系统，包括分布式训练、生产推理、边缘部署和治理，并配有TinyTorch、硬件套件和交互工具等实践组件。
一本免费的在线书籍，自底向上涵盖计算机科学，由 Ian Wienand 编写，提供 PDF、EPUB 和源代码格式。
介绍开源教材《Mathematical Foundations of Reinforcement Learning》，从数学角度深入浅出地讲解强化学习，配有大量视频和代码实现，适合具备基础概率论和线性代数的学习者。
麻省理工学院物理学家Sanjoy Mahajan的教科书《The Art of Insight in Science and Engineering》在MIT OpenCourseWare上免费提供，教授九种有效解决复杂问题的思维工具。
MIT教科书《Mathematics for Computer Science》已翻译成日语，可在inzkyk.xyz获取。
Jurafsky和Martin的《Speech and Language Processing》教科书第三版于2026年1月发布，其中对Transformers进行了清晰解释，并包括ASR、TTS和DPO等新章节的更新。