這篇文章是想進入人工智能領域但不知道從哪裏開始的初學者的最佳學習資源列表。
首先，機器學習
關於機器學習領域的最佳介紹，請觀看Coursera的吳恩達機器學習課程。它解釋了基本概念，並讓您很好地理解最重要的算法。
關於ML算法的簡要概述，請查看這個TutsPlus課程“機器學習精華”。
《編程集體智慧》這本書是學習用Python實際實現ML算法的很好資源。它需要妳經歷許多實際的項目，並涵蓋所有必要的基礎。
您可能也會對這些好資源感興趣:
1，ML上的Udacity課程(ML Udacity Perer Norvig。
2.卡梅倫大學的湯姆·米切爾教授的另壹門關於ML的課程。
3.YouTube上的機器學習教程mathematicalmonk。
第二，深度學習
關於深度學習最好的介紹就是用Python進行深度學習。它不進入高難度的數學，也不具備壹長串的先決條件。相反，它描述了壹種啟動DL的簡單方法，並解釋了如何在實踐中快速開始構建和學習壹切。它解釋了最先進的工具(Keras、TensorFlow ),並通過幾個實際項目向您介紹了如何在所有最佳DL應用中實現最先進的結果。
谷歌上也有很棒的DL入門課程，還有Sephen Welch對神經網絡的很棒的解釋。
之後，為了更深入的理解，這裏有壹些有趣的資源:
1，Geoffrey Hinton的coursera課程《機器學習的神經網絡》。本課程將帶您了解人工神經網絡的經典問題——MNIST字符識別的過程，並將深入解釋壹切。
2.麻省理工深度學習。
3.斯坦福大學UFLDL教程(斯坦福大學UFLDL教程)
4.deeplearning.net教程
5.邁克爾·尼爾森的《神經網絡和深度學習》壹書。
6.西蒙·o·海金的書《神經網絡和學習機器》。
第三，人工智能
《人工智能:現代方法(劉夢潔)》(人工智能:現代方法)是關於“老派”人工智能的最好的書。這本書概述了人工智能領域，並解釋了所有妳需要知道的基本概念。
來自加州大學伯克利分校的人工智能課程是壹系列優秀的視頻講座，通過壹個非常有趣的實踐項目(訓練AI玩Pacman遊戲)講解基礎知識。我推薦把《AIMA》和視頻壹起看，因為它是基於這本書，從不同角度解釋了很多類似的概念，讓它們更容易理解。它的講解比較深入，對於初學者來說是非常好的資源。
大腦是如何工作的
如果妳對人工智能感興趣，妳可能想知道人腦是如何工作的。下面的書將以直觀有趣的方式解釋最好的現代理論。
1，傑夫·霍金斯的《論智力》(有聲讀物)
2、G？德爾、埃舍爾、巴赫
我建議先從這兩本書入手，這兩本書可以很好的給妳解釋大腦工作的壹般理論。
其他資源:
雷·庫茲韋爾的《如何創造心靈》(有聲讀物)。
《神經科學原理》是我能找到的最好的壹本書，深入NS。它講的是核心科學，神經解剖學等等。很有趣，但也很長——我還在讀。
第四，數學
以下是妳開始學習人工智能需要知道的非常基本的數學概念:
結石
1，可汗學院微積分視頻(可汗學院微積分視頻)
2.麻省理工學院多元微積分講座(麻省理工學院多元微積分講座)
線性代數
1，可汗學院線性代數視頻(可汗學院線性代數視頻)
2.吉爾伯特·斯特朗的麻省理工學院線性代數視頻
3、矩陣編碼？(編碼矩陣)-布朗大學線程代數的CS課程
概率與統計
1，可汗學院概率統計視頻
2.edx概率課程(edx概率課程)
動詞 （verb的縮寫）計算機科學
要掌握AI，妳要熟悉計算機科學和編程。
如果妳剛入門，我建議看《深入Python 3》這本書，Python編程需要的知識大部分都會提到。
要更深入地理解計算機編程的本質——看看這本經典的MIT課程(MIT這是壹門關於lisp和計算機科學基礎的課程，也是基於cs的最有影響力的書籍之壹——結構和計算機程序解釋。
不及物動詞其他資源
元學術？它是妳知識的“包裝經理”。您可以使用這個偉大的工具來了解學習不同ML主題所需的所有先決條件。
卡格爾。–機器學習平臺