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。

机器学习

有关机器学习领域的最佳介绍，请观看Coursera的AndrewNg机器学习课程。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“MachineLearningDistilled”。

“ProgrammingCollectiveIntelligence”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:

PererNorvig的UdacityCourseonML（MLUdacity课程）

TomMitchell在卡梅隆大学教授的AnothercourseonML（另一门ML课程）

YouTube上的机器学习教程mathematicalmonk

深度学习

关于深度学习的最佳介绍，我遇到最好的是DeepLearningWithPython。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greatintroductoryDLcourse，还有SephenWelch的greatexplanationofneuralnetworks。

之后，为了更深入地了解，这里还有一些有趣的资源：

GeoffreyHinton的coursera课程“NeuralNetworksforMachineLearning”。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。

MITDeepLearning（深度学习）一书。

UFLDLtutorialbyStanford（斯坦福的UFLDL教程）

deeplearning.net教程

MichaelNielsen的NeuralNetworksandDeepLearning（神经网络和深度学习）一书

SimonO.Haykin的NeuralNetworksandLearningMachines（神经网络和机器学习）一书

人工智能

“ArtificialIntelligence:AModernApproach(AIMA)”（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ArtificialIntelligencecourse（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。

JeffHawkins的OnIntelligence（有声读物）

Gödel,Escher,Bach

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：

• RayKurzweil的HowtoCreateaMind（如何创建一个头脑RayKurzweil）(有声读物)。

• PrinciplesofNeuralScience（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。

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

KhanAcademyCalculusvideos（可汗学院微积分视频）

MITlecturesonMultivariableCalculus（MIT关于多变量微积分的讲座）

• 线性代数

KhanAcademyLinearAlgebravideos（可汗学院线性代数视频）

MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT线性代数视频）

CodingtheMatrix（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（概率）与Statistics（统计）视频

edxprobabilitycourse（edx概率课程）

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DiveIntoPython3（深入Python3）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MITcourse（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-结构和计算机程序的解释中最有影响力的书之一。

其他资源

• Metacademy–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–机器学习平台

以上就是我的观点，对于这个问题大家是怎么看待的呢？欢迎在下方评论区交流~我是科技领域创作者，十年互联网从业经验，我了解更多科技知识！