初学者如何从零学习人工智能？看完你就懂了

此文是想要进入人工智能这个领域、但不知道从哪里开始的初学者最佳的学习资源列表。

<> <>一、机器学习

有关机器学习领域的最佳介绍，请观看Coursera的Andrew Ng机器学习课程 <https://www.coursera.org/course/ml>
。 它解释了基本概念，并让你很好地理解最重要的算法。

* 有关ML算法的简要概述，查看这个TutsPlus课程“Machine Learning Distilled
<http://code.tutsplus.com/courses/machine-learning-distilled>”。
* “Programming Collective Intelligence
<http://www.amazon.com/Programming-Collective-Intelligence-Building-Applications/dp/0596529325>
”这本书是一个很好的资源，可以学习ML 算法在Python中的实际实现。 它需要你通过许多实践项目，涵盖所有必要的基础。
这些不错的资源你可能也感兴趣:

* Perer Norvig 的Udacity Course on ML <https://www.udacity.com/course/cs271>
（ML Udacity 课程）
* Tom Mitchell 在卡梅隆大学教授的 Another course on ML
<http://www.cs.cmu.edu/~tom/10701_sp11/lectures.shtml>（另一门ML课程）
* YouTube上的机器学习教程 mathematicalmonk
<http://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA>
<> <>二、深度学习

关于深度学习的最佳介绍，我遇到最好的是 Deep Learning With Python
<https://machinelearningmastery.com/deep-learning-with-python/>
。它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。

在Google上也有一个great introductory DL course
<https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal>
，还有Sephen Welch的great explanation of neural networks
<http://lumiverse.io/series/neural-networks-demystified>。

之后，为了更深入地了解，这里还有一些有趣的资源：

* Geoffrey Hinton 的coursera 课程“Neural Networks for Machine Learning
<https://www.coursera.org/learn/neural-networks>”
<https://www.coursera.org/learn/neural-networks>。这门课程会带你了解 ANN 的经典问题——MNIST
字符识别的过程，并将深入解释一切。
* MIT Deep Learning <http://www.iro.umontreal.ca/~bengioy/dlbook/>（深度学习）一书。
* UFLDL tutorial by Stanford
<http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial> （斯坦福的 UFLDL 教程）
* deeplearning.net教程  <http://deeplearning.net/tutorial/>
* Michael Nielsen 的 Neural Networks and Deep Learning
<http://neuralnetworksanddeeplearning.com/>（神经网络和深度学习）一书
* Simon O. Haykin 的Neural Networks and Learning Machines
<https://www.amazon.com/Neural-Networks-Learning-Machines-Edition/dp/0131471392>
 （神经网络和机器学习）一书
<> <>三、人工智能

“Artificial Intelligence: A Modern Approach (AIMA)
<http://www.amazon.com/Artificial-Intelligence-Modern-Approach-Edition/dp/0136042597>
” （人工智能：现代方法） 是关于“守旧派” AI最好的一本书籍。这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。

来自加州大学伯克利分校的 Artificial Intelligence course
<https://www.youtube.com/channel/UCshmLD2MsyqAKBx8ctivb5Q/videos>
（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏
）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。它的讲解相对较深，对初学者来说是非常不错的资源。

<> <>大脑如何工作

如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过直观有趣的方式来解释最好的现代理论。

* Jeff Hawkins 的 On Intelligence
<https://www.amazon.com/On-Intelligence-Jeff-Hawkins/dp/0805078533>（有声读物
<http://www.audible.com/pd/Science-Technology/On-Intelligence-Audiobook/B002V8LKTE/ref=a_search_c4_1_1_srTtl?qid=1469789110&sr=1-1>
）
* Gödel, Escher, Bach
<https://www.amazon.com/G%C3%B6del-Escher-Bach-Eternal-Golden/dp/0465026567>
我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。

<> <>其他资源：

* Ray Kurzweil的 How to Create a Mind
<http://www.amazon.com/How-Create-Mind-Thought-Revealed/dp/0143124048/>
 （如何创建一个头脑Ray Kurzweil） (有声读物
<http://www.audible.com/pd/Science-Technology/How-to-Create-a-Mind-Audiobook/B009S7OKJS/ref=a_search_c4_1_1_srTtl?qid=1469788482&sr=1-1>
).
* Principles of Neural Science
<http://www.amazon.com/Principles-Neural-Science-Fifth-Kandel/dp/0071390111/ref=sr_1_1?ie=UTF8&qid=1469789160&sr=8-1&keywords=principles+of+neural+science>
 （神经科学原理）是我能找到的最好的书，深入NS。 它谈论的是核心科学，神经解剖等。 非常有趣，但也很长 – 我还在读它。
<> <>四、数学

以下是你开始学习AI需要了解的非常基本的数学概念：

<> <>微积分学

* Khan Academy Calculus videos
<http://www.youtube.com/playlist?list=PL19E79A0638C8D449>（可汗学院微积分视频）
* MIT lectures on Multivariable Calculus
<http://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/index.htm>
（MIT关于多变量微积分的讲座）
<> <>线性代数

* Khan Academy Linear Algebra videos
<http://www.youtube.com/playlist?list=PLFD0EB975BA0CC1E0>（可汗学院线性代数视频）
* MIT linear algebra videos
<http://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/>
 by Gilbert Strang（Gilbert Strang的MIT线性代数视频）
* Coding the Matrix
<https://cs.brown.edu/video/channels/coding-matrix-fall-2014/?page=2> （编码矩阵） –
布朗大学线程代数CS课程
<> <>概率和统计

* 可汗学院 Probability <http://www.youtube.com/playlist?list=PLC58778F28211FA19>（
概率）与 Statistics <http://www.youtube.com/playlist?list=PL1328115D3D8A2566>（统计）视频
* edx probability course
<https://www.edx.org/course/introduction-probability-science-mitx-6-041x#.VJfS2LQAKc>
 （edx概率课程）
<> <>五、计算机科学

要掌握AI，你要熟悉计算机科学和编程。

如果你刚刚开始，我建议阅读 Dive Into Python 3 <http://www.diveintopython3.net/> （深入Python
3）这本书，你在Python编程中所需要的大部分知识都会提到。

要更深入地了解计算机编程的本质 – 看这个经典的 MIT course
<https://www.youtube.com/watch?v=2Op3QLzMgSY&list=PLE18841CABEA24090#t=253> （
MIT课程）。这是一门关于lisp和计算机科学的基础的课程，基于 CS
<http://www.amazon.com/Structure-Interpretation-Computer-Programs-Engineering/dp/0262510871>
 -结构和计算机程序的解释中最有影响力的书之一。

<> <>六、其他资源

* Metacademy <http://www.metacademy.org/>  –
是你知识的“包管理器”。 你可以使用这个伟大的工具来了解你需要学习不同的ML主题的所有先决条件。
* kaggle <http://www.kaggle.com/>  – 机器学习平台

• « 上一篇："两年前我对区块链的了解为零, 两年后我成了工程师" 我是如何得到第一份工作的?...
• » 下一篇：2019校招Android面试题解1.0