初學者如何從零開始學習人工智能？看完你就懂了

連接：oschina.net/news/78629/beginners-how-to-learn-from-zero-artificial-intelligence

此文是想要進入人工智能這個領域、但不知道從哪裏開始的初學者最佳的學習資源列表。

1、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，並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，能夠學習ML 算法在Python中的實際實現。 它須要你經過許多實踐項目，涵蓋全部必要的基礎。

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（另外一門ML課程）

3. YouTube上的機器學習教程 mathematicalmonk

2、深度學習

關於深度學習的最佳介紹，我遇到最好的是 Deep Learning With Python。它不會深刻到困難的數學，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並學習實踐上的一切。它解釋了最早進的工具（Keras，TensorFlow），並帶你經過幾個實際項目，解釋如何在全部最好的DL應用程序中實現最早進的結果。

在Google上也有一個great introductory DL course，還有Sephen Welch的great explanation of neural networks。

以後，爲了更深刻地瞭解，這裏還有一些有趣的資源：

1. Geoffrey Hinton 的coursera 課程「Neural Networks for Machine Learning」。這門課程會帶你瞭解 ANN 的經典問題——MNIST 字符識別的過程，並將深刻解釋一切。

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

3、人工智能

「Artificial Intelligence: A Modern Approach (AIMA)」 （人工智能：現代方法） 是關於「守舊派」 AI最好的一本書籍。這本書整體概述了人工智能領域，並解釋了你須要瞭解的全部基本概念。

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，經過一種很是有趣的實踐項目（訓練AI玩Pacman遊戲 ）來解釋基本知識。我推薦在視頻的同時能夠一塊兒閱讀AIMA，由於它是基於這本書，並從不一樣的角度解釋了不少相似的概念，使他們更容易理解。它的講解相對較深，對初學者來講是很是不錯的資源。

大腦如何工做

若是你對人工智能感興趣，你可能很想知道人的大腦是怎麼工做的，下面的幾本書會經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. Gödel, Escher, Bach

我建議經過這兩本書入門，它們能很好地向你解釋大腦工做的通常理論。

其餘資源：

Ray Kurzweil的 How to Create a Mind （如何建立一個頭腦Ray Kurzweil） (有聲讀物).

Principles of Neural Science （神經科學原理）是我能找到的最好的書，深刻NS。 它談論的是核心科學，神經解剖等。 很是有趣，但也很長 – 我還在讀它。

4、數學

如下是你開始學習AI須要瞭解的很是基本的數學概念：

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關於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

機率和統計

1. 可汗學院 Probability（機率）與 Statistics（統計）視頻

2. edx probability course （edx機率課程）

5、計算機科學

要掌握AI，你要熟悉計算機科學和編程。

若是你剛剛開始，我建議閱讀 Dive Into Python 3 （深刻Python 3）這本書，你在Python編程中所須要的大部分知識都會提到。

要更深刻地瞭解計算機編程的本質 – 看這個經典的 MIT course （MIT課程）。這是一門關於lisp和計算機科學的基礎的課程，基於 CS -結構和計算機程序的解釋中最有影響力的書之一。

6、其餘資源

• Metacademy  – 是你知識的「包管理器」。 你可使用這個偉大的工具來了解你須要學習不一樣的ML主題的全部先決條件。

• kaggle  – 機器學習平臺