初學者如何快速入門人工智能？（附資源）

原文 | Ray Alez

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。原文是 Ray Alez 編寫的「Artificial Intelligence resources」，簡單翻譯後供你們參考。

01 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（https://www.coursera.org/learn/machine-learning）。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 」（https://code.tutsplus.com/courses/machine-learning-distilled）。

「Programming Collective Intelligence」（ https://www.amazon.com/Programming-Collective-Intelligence-Building-Applications/dp/0596529325 ）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：

◆Perer Norvig 的Udacity Course on ML（ML Udacity 課程）（https://www.udacity.com/course/intro-to-artificial-intelligence—cs271）

◆Tom Mitchell 在卡梅隆大學教授的Another course on ML（另外一門ML課程）（http://www.cs.cmu.edu/~tom/10701_sp11/lectures.shtml）

◆YouTube 上的機器學習教程mathematicalmonk（https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA）

02 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（https://machinelearningmastery.com/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（https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal），還有Sephen Welch的great explanation of neural networks （http://lumiverse.io/series/neural-networks-demystified）。

以後，爲了更深刻地瞭解，這裏還有一些有趣的資源：

◆Geoffrey Hinton 的 coursera 課程「Neural Networks for MachineLearning」（https://www.coursera.org/learn/neural-networks）。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。

◆MIT Deep Learning（深度學習）一書。

◆UFLDL tutorial by Stanford（斯坦福的 UFLDL 教程）（http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial）

◆deeplearning.net教程 （http://deeplearning.net/tutorial/）

◆Michael Nielsen 的Neural Networks and Deep Learning（神經網絡和深度學習）一書（http://neuralnetworksanddeeplearning.com/）

◆Simon O. Haykin 的Neural Networks and Learning Machines（神經網絡和機器學習）一書（https://www.amazon.com/Neural-Networks-Learning-Machines-Edition/dp/0131471392）

03 人工智能

「 Artificial Intelligence： A Modern Approach (AIMA)」https://www.amazon.com/Artificial-Intelligence-Modern-Approach-Edition/dp/0136042597 （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）https://www.youtube.com/channel/UCshmLD2MsyqAKBx8ctivb5Q/videos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。

◆Jeff Hawkins 的On Intelligence（有聲讀物）https://www.amazon.com/On-Intelligence-Jeff-Hawkins/dp/0805078533

◆G?del， Escher， Bachhttps://www.amazon.com/G%C3%B6del-Escher-Bach-Eternal-Golden/dp/0465026567

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).https://www.amazon.com/How-Create-Mind-Thought-Revealed/dp/0143124048/

Principles of Neural Science（神經科學原理）https://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。

04 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

 

◆ Khan Academy Calculus videos（可汗學院微積分視頻）https://www.youtube.com/playlist?list=PL19E79A0638C8D449

◆MIT lectures on Multivariable Calculus（MIT關於多變量微積分的講座）https://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/index.htm

線性代數

 

◆Khan Academy Linear Algebra videos（可汗學院線性代數視頻）https://www.youtube.com/playlist?list=PLFD0EB975BA0CC1E0

◆MIT linear algebra videos by Gilbert Strang（Gilbert Strang的MIT線性代數視頻）https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/

Coding the Matrix（編碼矩陣） - 布朗大學線程代數CS課程https://cs.brown.edu/video/channels/coding-matrix-fall-2014/?page=2

機率和統計

 

◆可汗學院 Probability（機率）https://www.youtube.com/playlist?list=PLC58778F28211FA19與 Statistics（統計）https://www.youtube.com/playlist?list=PL1328115D3D8A2566 視頻

◆edx probability course （edx機率課程）https://www.edx.org/course/introduction-probability-science-mitx-6-041x-1#.VJfS2LQAKc

05 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）http://www.diveintopython3.net/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）https://www.youtube.com/watchv=2Op3QLzMgSY&list=PLE18841CABEA24090#t=253。

 

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。

 

06 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。https://metacademy.org/

◆ kaggle - 機器學習平臺 https://www.kaggle.com/

附課程連接：AIUh人工智能學院 http://ai.pinggu.org/

 

機器學習與語言課程報名:http://www.peixun.net/view/833.html