此文是想要進入人工智能這個領域、但不知道從哪里開始的初學者最佳的學習資源列表。

機器學習

有關機器學習領域的最佳介紹，請觀看Coursera的AndrewNg機器學習課程。它解釋了基本概念，并讓你很好地理解最重要的算法。

有關ML算法的簡要概述，查看這個TutsPlus課程“MachineLearningDistilled”。

“ProgrammingCollectiveIntelligence”這本書是一個很好的資源，可以學習ML算法在Python中的實際實現。它需要你通過許多實踐項目，涵蓋所有必要的基礎。

這些不錯的資源你可能也感興趣:

PererNorvig的UdacityCourseonML（MLUdacity課程）

TomMitchell在卡梅隆大學教授的AnothercourseonML（另一門ML課程）

YouTube上的機器學習教程mathematicalmonk

深度學習

關于深度學習的最佳介紹，我遇到最好的是DeepLearningWithPython。它不會深入到困難的數學，也沒有一個超長列表的先決條件，而是描述了一個簡單的方法開始DL，解釋如何快速開始構建并學習實踐上的一切。它解釋了最先進的工具（Keras，TensorFlow），并帶你通過幾個實際項目，解釋如何在所有最好的DL應用程序中實現最先進的結果。

在Google上也有一個greatintroductoryDLcourse，還有SephenWelch的greatexplanationofneuralnetworks。

之后，為了更深入地了解，這里還有一些有趣的資源：

GeoffreyHinton的coursera課程“NeuralNetworksforMachineLearning”。這門課程會帶你了解ANN的經典問題——MNIST字符識別的過程，并將深入解釋一切。

MITDeepLearning（深度學習）一書。

UFLDLtutorialbyStanford（斯坦福的UFLDL教程）

deeplearning.net教程

MichaelNielsen的NeuralNetworksandDeepLearning（神經網絡和深度學習）一書

SimonO.Haykin的NeuralNetworksandLearningMachines（神經網絡和機器學習）一書

人工智能

“ArtificialIntelligence:AModernApproach(AIMA)”（人工智能：現代方法）是關于“守舊派”AI最好的一本書籍。這本書總體概述了人工智能領域，并解釋了你需要了解的所有基本概念。

來自加州大學伯克利分校的ArtificialIntelligencecourse（人工智能課程）是一系列優秀的視頻講座，通過一種非常有趣的實踐項目（訓練AI玩Pacman游戲）來解釋基本知識。我推薦在視頻的同時可以一起閱讀AIMA，因為它是基于這本書，并從不同的角度解釋了很多類似的概念，使他們更容易理解。它的講解相對較深，對初學者來說是非常不錯的資源。

大腦如何工作

如果你對人工智能感興趣，你可能很想知道人的大腦是怎么工作的，下面的幾本書會通過直觀有趣的方式來解釋最好的現代理論。

JeffHawkins的OnIntelligence（有聲讀物）

G?del,Escher,Bach

我建議通過這兩本書入門，它們能很好地向你解釋大腦工作的一般理論。

其他資源：

• RayKurzweil的HowtoCreateaMind（如何創建一個頭腦RayKurzweil）(有聲讀物)。

• PrinciplesofNeuralScience（神經科學原理）是我能找到的最好的書，深入NS。它談論的是核心科學，神經解剖等。非常有趣，但也很長–我還在讀它。

數學

以下是你開始學習AI需要了解的非常基本的數學概念：

• 微積分學

KhanAcademyCalculusvideos（可汗學院微積分視頻）

MITlecturesonMultivariableCalculus（MIT關于多變量微積分的講座）

• 線性代數

KhanAcademyLinearAlgebravideos（可汗學院線性代數視頻）

MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT線性代數視頻）

CodingtheMatrix（編碼矩陣）–布朗大學線程代數CS課程

• 概率和統計

可汗學院Probability（概率）與Statistics（統計）視頻

edxprobabilitycourse（edx概率課程）

計算機科學

要掌握AI，你要熟悉計算機科學和編程。

如果你剛剛開始，我建議閱讀DiveIntoPython3（深入Python3）這本書，你在Python編程中所需要的大部分知識都會提到。

要更深入地了解計算機編程的本質–看這個經典的MITcourse（MIT課程）。這是一門關于lisp和計算機科學的基礎的課程，基于CS-結構和計算機程序的解釋中最有影響力的書之一。

其他資源

• Metacademy–是你知識的“包管理器”。你可以使用這個偉大的工具來了解你需要學習不同的ML主題的所有先決條件。

• kaggle–機器學習平臺

以上就是我的觀點，對于這個問題大家是怎么看待的呢？歡迎在下方評論區交流~我是科技領域創作者，十年互聯網從業經驗，我了解更多科技知識！