前些天發現了一個巨牛的人工智能學習網站，通俗易懂，風趣幽默，忍不住分享一下給大家。點擊跳轉到教程。

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。

一、機器學習

有關機器學習領域的最佳介紹，請觀看Coursera的Andrew Ng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“Machine Learning Distilled”。
• “Programming Collective Intelligence”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:

1. Perer Norvig?的Udacity Course on ML（ML Udacity 課程）
2. Tom Mitchell?在卡梅隆大學教授的?Another course on ML（另一門ML課程）
3. YouTube上的機器學習教程?mathematicalmonk

二、深度學習

關于深度學習的最佳介紹，我遇到最好的是?Deep Learning With Python。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great introductory DL course，還有Sephen Welch的great explanation of neural networks。

之后，為了更深入地了解，這里還有一些有趣的資源：

1. Geoffrey Hinton 的coursera 課程“Neural Networks for Machine Learning”。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。
2. MIT?Deep Learning（深度學習）一書。
3. UFLDL tutorial by Stanford?（斯坦福的 UFLDL 教程）
4. deeplearning.net教程?
5. Michael Nielsen?的?Neural Networks and Deep Learning（神經網絡和深度學習）一書
6. Simon O. Haykin?的Neural Networks and Learning Machines?（神經網絡和機器學習）一書

三、人工智能

“Artificial Intelligence: A Modern Approach (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?Artificial Intelligence course（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。

1. Jeff Hawkins 的?On Intelligence（有聲讀物）
2. 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：

1. Ray Kurzweil的?How to Create a Mind?（如何創建一個頭腦Ray Kurzweil）?(有聲讀物).
2. Principles of Neural Science?（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。

四、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

1. Khan Academy Calculus videos（可汗學院微積分視頻）
2. MIT lectures on?Multivariable Calculus（MIT關于多變量微積分的講座）

線性代數

1. Khan Academy Linear Algebra videos（可汗學院線性代數視頻）
2. MIT linear algebra videos?by Gilbert Strang（Gilbert Strang的MIT線性代數視頻）
3. Coding the Matrix?（編碼矩陣） – 布朗大學線程代數CS課程

概率和統計

1. 可汗學院?Probability（概率）與?Statistics（統計）視頻
2. edx probability course?（edx概率課程）

五、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?Dive Into Python 3?（深入Python 3）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?MIT course?（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。

六、其他資源

1. 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。
2. kaggle? – 機器學習平臺

?

轉自：https://blog.csdn.net/jek123456/article/details/79253399