©2016-2025 Matools All rights reserved,
粤ICP备17059708号
在当前这个市场最不缺的是资料，不缺的原因是因为市场大量泛滥着各种姿势的学习资料；最缺的也是资料，缺的原因是因为真正有体系，有价值的资料少之又少。
<>前言
之前分享过一篇个人的机器学习入门经历分享：我是如何入门机器学习的呢
<http://mp.weixin.qq.com/s?__biz=MzU1MjYzNjQwOQ==&mid=2247484052&idx=1&sn=99b1b8f32f92c4d05e7add5c2a5c0747&chksm=fbfe5802cc89d114c6c36056658db7ab9e2d50b89e5b26994efbd7528726a1d6edec31ecb6c6&scene=21#wechat_redirect>
。今天分享下人工智能多个方向的学习资料，涵盖Python、 数据分析、机器学习、深度学习、自然语言处理、计算机视觉、强化学习。
人工智能覆盖的范围很广，我会尽可能将与之相关的多个方面的资料都做一个详细介绍，介绍顺序与学习顺序基本一致。
PS：领取方式见文末
<>Python
想学人工智能，需要掌握一门编程语言，推荐 Python， 简洁、灵活、入手快，可以说是当前人工智能领域下使用第一多的语言了。
说到 Python 教程，我首推 Python 教父廖雪峰 的教程。
这里我已将廖雪峰老师的 Python3 教程整理成了 PDF。
如果觉得觉得看书无聊的话，推荐一个入门 Python 的视频教程。
学完 Python 基础之后，如果想进一步加深，可以做一些实战项目，附上项目清单。
在做项目的过程中，你会发现有些知识掌握不牢固，如果想要继续提高 Python 的水平，推荐一本书籍**《流畅的Python》**，这本书豆瓣评分: 9.4
<>数据分析
学习完了 Python 之后，接下来可以开始使用 Python 去做一些有趣的事情了。数据分析是一个不错的选择，这里收集了使用 Python
做数据分析的视频教程。
学习完了这个课程之后，推荐一本书籍**《利用Python进行数据分析》**，豆瓣评分：8.5
<>机器学习
这里聊到了大家非常感兴趣的机器学习了，学习机器学习首推吴恩达大师在
Coursera 发布斯坦福的《机器学习》视频课程。这个课程自发布后在全球一直处于火爆的状态。
吴恩达老师的的课程不会介绍过多的数学原理，但是却能够将机器学习的原理讲解明白，这对初学者来说是非常棒的。这里收集到了带有中文字幕的完整课程、课件、笔记以及代码。
想要看到中文字幕，只需要使用推荐的播放器即可。
学完吴恩达老师的课程外，如果想对机器学习的算法有一个更深入的理解，推荐学习下台湾大学林轩田老师的《机器学习基石》与《机器学习技法》课程，这个课程会更偏一些算法原理。
除了视频课程之外，还可以通过相关书籍来加强下基础知识，这里推荐两本书籍，第一本是周志华老师的**《机器学习》**（俗称“西瓜书”），豆瓣评分：8.8
另一本书籍是**《机器学习实战》**，豆瓣评分：8.1。
这两本书籍我也整理了相关的电子版。
<>深度学习
掌握了机器学习之后，你会发现大量的时间和精力花在了特征工程相关的环节，通过深度学习可以解决一部分这样的问题。深度学习课程首推吴恩达的课程。
除了吴恩达的课程之外，这里也整理了另一套关于深度学习的视频课程。
除了视频教程之外，推荐一本关于深度学习的书籍，书名为**《深度学习》**（又叫“花书”），豆瓣评分：8.4
<>自然语言处理
除了深度学习与机器学习之外，自然语言处理也是当今的一个热点。这里整理了一套详细的视频教程。
此外，还有自然语言处理相关的应用教程视频：聊天机器人。
除了视频课程外，推荐一本相关的书籍**《Python自然语言处理》**
<>计算机视觉
说到计算机视觉，大多数人能想到的就是 CS231n（全称：Convolutional Neural Networks for Visual
Recognition，即面向视觉识别的卷积神经网络）。这里将2017年的 CS231n 整理了出来。
<>强化学习
强化学习是之后的一个趋势，目前市场上关于强化学习的中文资料并不多，这里我整理了 David Silver 在 2015
年的录制的强化学习视频教程（带有中文字幕）。
<>获取方式
以上的所有资料（视频、书籍）都已经整理到网盘，需要的可以扫码添加编辑微信（备注关键字：AI资料，已经是好友的请发送消息：AI资料），领取学习资料。
热门工具 换一换