此文是想要進(jìn)入人工智能這個(gè)領(lǐng)域腮介、但不知道從哪里開始的初學(xué)者最佳的學(xué)習(xí)資源列表置森。
一斗埂、機(jī)器學(xué)習(xí)
有關(guān)機(jī)器學(xué)習(xí)領(lǐng)域的最佳介紹，請(qǐng)觀看Coursera的Andrew Ng機(jī)器學(xué)習(xí)課程凫海。?它解釋了基本概念呛凶，并讓你很好地理解最重要的算法。
有關(guān)ML算法的簡(jiǎn)要概述行贪，查看這個(gè)TutsPlus課程“Machine Learning Distilled”漾稀。
“Programming Collective Intelligence”這本書是一個(gè)很好的資源，可以學(xué)習(xí)ML 算法在Python中的實(shí)際實(shí)現(xiàn)建瘫。?它需要你通過許多實(shí)踐項(xiàng)目崭捍，涵蓋所有必要的基礎(chǔ)。
這些不錯(cuò)的資源你可能也感興趣:
Perer Norvig?的Udacity Course on ML（ML Udacity 課程）
Tom Mitchell?在卡梅隆大學(xué)教授的Another course on ML（另一門ML課程）
YouTube上的機(jī)器學(xué)習(xí)教程mathematicalmonk
二啰脚、深度學(xué)習(xí)
關(guān)于深度學(xué)習(xí)的最佳介紹殷蛇，我遇到最好的是Deep Learning With Python。它不會(huì)深入到困難的數(shù)學(xué)橄浓，也沒有一個(gè)超長(zhǎng)列表的先決條件粒梦，而是描述了一個(gè)簡(jiǎn)單的方法開始DL，解釋如何快速開始構(gòu)建并學(xué)習(xí)實(shí)踐上的一切荸实。它解釋了最先進(jìn)的工具（Keras匀们，TensorFlow），并帶你通過幾個(gè)實(shí)際項(xiàng)目泪勒，解釋如何在所有最好的DL應(yīng)用程序中實(shí)現(xiàn)最先進(jìn)的結(jié)果。
在Google上也有一個(gè)great introductory DL course宴猾，還有Sephen Welch的great explanation of neural networks圆存。
之后，為了更深入地了解仇哆，這里還有一些有趣的資源：
Geoffrey Hinton 的coursera 課程“Neural Networks for Machine Learning”沦辙。這門課程會(huì)帶你了解 ANN 的經(jīng)典問題——MNIST 字符識(shí)別的過程，并將深入解釋一切讹剔。
MITDeep Learning（深度學(xué)習(xí)）一書油讯。
UFLDL tutorial by Stanford（斯坦福的 UFLDL 教程）
Michael Nielsen?的Neural Networks and Deep Learning（神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)）一書
Simon O. Haykin?的Neural Networks and Learning Machines（神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)）一書
三详民、人工智能
“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：現(xiàn)代方法）?是關(guān)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(lǐng)域陌兑，并解釋了你需要了解的所有基本概念沈跨。
來自加州大學(xué)伯克利分校的Artificial Intelligence course（人工智能課程）是一系列優(yōu)秀的視頻講座，通過一種非常有趣的實(shí)踐項(xiàng)目（訓(xùn)練AI玩Pacman游戲 ）來解釋基本知識(shí)兔综。我推薦在視頻的同時(shí)可以一起閱讀AIMA饿凛，因?yàn)樗腔谶@本書，并從不同的角度解釋了很多類似的概念软驰，使他們更容易理解涧窒。它的講解相對(duì)較深，對(duì)初學(xué)者來說是非常不錯(cuò)的資源锭亏。
大腦如何工作
如果你對(duì)人工智能感興趣纠吴，你可能很想知道人的大腦是怎么工作的，下面的幾本書會(huì)通過直觀有趣的方式來解釋最好的現(xiàn)代理論慧瘤。
Jeff Hawkins 的On Intelligence（有聲讀物）
我建議通過這兩本書入門戴已，它們能很好地向你解釋大腦工作的一般理論。
其他資源：
Ray Kurzweil的How to Create a Mind（如何創(chuàng)建一個(gè)頭腦Ray Kurzweil）?(有聲讀物).
Principles of Neural Science（神經(jīng)科學(xué)原理）是我能找到的最好的書碑隆，深入NS恭陡。 它談?wù)摰氖呛诵目茖W(xué)，神經(jīng)解剖等上煤。 非常有趣休玩，但也很長(zhǎng) – 我還在讀它。
四劫狠、數(shù)學(xué)
以下是你開始學(xué)習(xí)AI需要了解的非乘┌蹋基本的數(shù)學(xué)概念：
微積分學(xué)
Khan Academy Calculus videos（可汗學(xué)院微積分視頻）
MIT lectures onMultivariable Calculus（MIT關(guān)于多變量微積分的講座）
線性代數(shù)
Khan Academy Linear Algebra videos（可汗學(xué)院線性代數(shù)視頻）
MIT linear algebra videosby Gilbert Strang（Gilbert Strang的MIT線性代數(shù)視頻）
Coding the Matrix（編碼矩陣） – 布朗大學(xué)線程代數(shù)CS課程
概率和統(tǒng)計(jì)
可汗學(xué)院Probability（概率）與Statistics（統(tǒng)計(jì)）視頻
edx probability course（edx概率課程）
五、計(jì)算機(jī)科學(xué)
要掌握AI独泞，你要熟悉計(jì)算機(jī)科學(xué)和編程呐矾。
如果你剛剛開始，我建議閱讀Dive Into Python 3（深入Python 3）這本書懦砂，你在Python編程中所需要的大部分知識(shí)都會(huì)提到蜒犯。
要更深入地了解計(jì)算機(jī)編程的本質(zhì) – 看這個(gè)經(jīng)典的MIT course（MIT課程）。這是一門關(guān)于lisp和計(jì)算機(jī)科學(xué)的基礎(chǔ)的課程荞膘，基于CS-結(jié)構(gòu)和計(jì)算機(jī)程序的解釋中最有影響力的書之一罚随。
六、其他資源
Metacademy– 是你知識(shí)的“包管理器”羽资。?你可以使用這個(gè)偉大的工具來了解你需要學(xué)習(xí)不同的ML主題的所有先決條件淘菩。
kaggle– 機(jī)器學(xué)習(xí)平臺(tái)
