八汰_个人页

拿走，不谢。
教程：http://www.jianshu.com/p/4bbf946222d5

通用性的人工智能技术或产品恐怕还相当遥远，但在一些特定领域，尤其是一些机械性重复性的工作会被机器取代。
保持自己的学习和创造力，we will see

《大规模Web服务开发技术》这本书当年极大的帮助了我，也推荐给题主。

java 这个系统过于庞大，如果没有实际的应用需求或者长期的职业需要，很难也没必要在这个庞大的系统中全面掌握。
比较好的学习曲线是先看下基本的语法，然后就去解决实际的问题，伴随问题相关的理论学习。
资料这本大部头就足够了，《Thinking in Java》，巨细无遗

Head First HTML与CSS、XHTML
https://book.douban.com/subject/3040870/

看起来题主对于linux系统缺乏基本的了解，具体的问题可以搜索来解决。如果希望相对全面的建立起对linux的理解和掌握，试试阅读太有名的《鸟哥的linux私房菜》，相当友好全面

这个斯坦福课程供题主参考：https://itunes.apple.com/us/course/developing-ios-7-apps-for/id733644550

大数据这个词概括的领域有点广，当前工业界伴随着数据量的爆炸基本都进入了机器学习时代，并往人工智能前进。
所以不妨认为机器学习是大数据时代最重要的技术方向，来谈谈如何学习机器学习

如果毫无基础，机器学习的视频教程首推 Andrew Ng的这个Coursera 课程：https://www.coursera.org/learn/machine-learning
非常适合入门建立起对机器学习的初步概念和理解。
如果有一定的基础，希望全面系统的从头开始学习，兼顾理论和实践，我推荐台湾大学 《機器學習基石》和《機器學習技法》系列课程。地址：https://www.youtube.com/user/hsuantien/playlists （需要您能访问youtube）

其实学习机器学习之前最好对机器学习的基本概念，解决的是什么样的问题，大致的原理有个简要的了解。
可以阅读下《写个大家看的机器学习书》这个系列文章，相信能帮助你事半功倍。https://zhuanlan.zhihu.com/p/25328686

如果毫无基础，机器学习的视频教程首推 Andrew Ng的这个Coursera 课程：https://www.coursera.org/learn/machine-learning
非常适合入门建立起对机器学习的初步概念和理解。
如果有一定的基础，希望全面系统的从头开始学习，兼顾理论和实践，我推荐台湾大学 《機器學習基石》和《機器學習技法》系列课程。地址：https://www.youtube.com/user/hsuantien/playlists （需要您能访问youtube）

如果毫无基础，机器学习的视频教程首推 Andrew Ng的这个Coursera 课程：https://www.coursera.org/learn/machine-learning
非常适合入门建立起对机器学习的初步概念和理解。
如果有一定的基础，希望全面系统的从头开始学习，兼顾理论和实践，我推荐台湾大学 《機器學習基石》和《機器學習技法》系列课程。地址：https://www.youtube.com/user/hsuantien/playlists （需要您能访问youtube）

首先题主可能需要了解为什么要使用go语言，他的优势是什么，是为了解决什么问题而出现。这可以参考这两个链接内容：
https://www.zhihu.com/question/21409296
然后才是考虑入门以及提高，go语言上手并不难，希望题主能保持兴趣并坚持。资料如下：
https://www.zhihu.com/question/35657641

matplotlib是广受好评的python可视化库，http://matplotlib.org/
您可以先从官网了解下，这里有两篇不错的入门博客，供参考：
http://codingpy.com/article/a-quick-intro-to-matplotlib/
http://www.jianshu.com/p/ee8bb1bd0019

请教了曾在联发科跟linux内核和驱动打了N年交道的同学，推荐两本书。
《深入Linux内核架构》，作者是有数十年Linux开发经验，豆瓣链接：https://book.douban.com/subject/4843567/
《Linux内核设计与实现》，这本相当全面，教材自学都适合，豆瓣链接：https://book.douban.com/subject/1503819/