乾貨| 如何從零學習人工智慧?最好的資源都在這裡了

這篇文章介紹了初步學習人工智慧和深度學習最好的資源，對於那些想進入人工智慧領域卻又不知從何開始的初學者來說，這絕對非常有用。文章源於 medium，作者 Ray Alez，雷鋒網(公眾號：雷鋒網)編譯，未經許可不得轉載。讀者可直接點擊文章中的連結直接跳轉到學習界面。

一、機器學習

· 對於機器學習領域最好的介紹，請在Coursera上觀看Andrew Ng 的 Machine Learning course。這門課解釋了該領域的基本概念，並且能讓學者很好的理解重要算法。

· 對於 ML 算法的簡要概述，請看TUtsPlus課程「Machine Learning Distilled」。

· 《集體智慧編程》一書是學習 ML 算法在 Python 中實際運用的好資源。這本書涉及所有必要的基本原理，會帶你體驗很多實踐課題。

可能你會對這些重要資源也感興趣：

· 彼得·諾維格的 ML Udacity 課程

· 湯姆·米切爾在卡內基梅隆大學上的另一門《ML課程》

· YouTube教程的機器學習課程——mathematicalmonk  

二、深度學習 

我之前遇到過的關於深度學習最好的介紹是 Deep Learning With Python。這門課沒有深入解釋數學難題，不需要很多的預備知識，而是簡單介紹了開始學習 DL 的方式，解釋了如何快速開始建設並且在實踐中學習所有知識。它解釋了最高級的工具（ Keras, TensorFlow ），而且帶你體驗不同的實踐課題，解釋如何通過那些最好的 DL 應用來達到藝術效果。

在 Google 上也有 DL 課程的介紹 ，而且有 Sephen Welch 對於神經網絡的詳細介紹。

之後，如果想獲得更多深層次的資源，這裡有一些很有趣：

· Geoffrey Hinton 的coursera 課程「機器學習中使用的神經網絡」。這門課程會帶你了解 ANN 的經典問題——MNIST 字符識別，並且深入解釋所有問題。

· MIT 《深度學習》這本書。

· 斯坦福的 UFLDL 教程 （其他連結）

· deeplearning.net tutorials  

· Michael Nielsen 的《神經網絡和深度學習》一書

· Simon O. Haykin 的《Neural Networks and Learning Machines》一書

三、人工智慧

·  《人工智慧：一種現代方法（AIMA）》 是一本關於「守舊派」 AI最好的書籍。這本書總體概述了人工智慧領域，解釋了所有讀者需要知道的基本概念。

· UC Berrkeley 的《人工智慧課程》是一系列經典視頻講座，該課程通過一種非常有趣的實踐項目（訓練人工智慧來玩 Pacman 遊戲 ）解釋了人工智慧的基本知識。我建議該系列視頻講座結合 AIMA 這本書一起看，因為視頻講座就是以這本書為基礎，從不同角度解釋了很多相似的概念，使這些概念更容易理解，講解深度較深，對初學者來說是不錯的資源。

大腦如何工作

如果你對人工智慧感興趣，你可能很想知道人的大腦是怎麼工作的，下面的幾本書會通過一種直觀、有趣的方式解釋最好的現代理論。

· Jeff Hawkins 的 《On Intelligence》（有聲讀物）

· 《Gödel, Escher, Bach》

我建議通過這兩本書入門，這兩本書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》  （有聲讀物）

· 《Principles of Neural Science》這是我能發現的關於 NS 最好的一本書。 這本書討論了硬核科學，神經解剖學等。這本書很有意思，但是有點長——我現在還在讀。

四、數學 

學習人工智慧，這裡有你需要了解的最基本的數學概念：

微積分學

· 可汗學院的微積分視頻課

· MIT關於 Multivariable Calculus 的講座 

線性代數

· 可汗學院線性代數視頻課

· Gilbert Strang的 MIT線性代數視頻課 

· Coding the Matrix —  布朗大學關於為計算機科學專業開設的線性代數課程 

概率與統計

· 可汗學院概率和統計視頻課

· edx probability course 

五、計算機科學

要想掌握人工智慧，你需要熟悉計算機科學和編程。

如果你剛剛開始了解，我建議你讀一讀 《Dive Into Python 3》這本書。這本書很棒，能夠讓你學到在 Python 中編程所需要的大多數知識。

想從更深層次上了解計算機編程的本質——看一下 MIT 的經典課程。 這門課以計算機科學專業最有影響力的一本書《Structure and Interpretation of Computer Programs》為基礎，講述了LISP語言和計算機科學的基本知識。

六、其它資源

· Metacademy —  是你知識的「管理器大禮包」。你可以利用這個工具來了解學習 ML不同課程需要的所有預備知識。 

· kaggle — 機器學習平臺

因為我正在學習更多關於 AI 和 ML 的知識，所以我會不斷對這份列表進行補充。 如果你有好的建議，你可以點擊這裡留言，或者給我發郵件[e-mail]。

如果你對學習人工智慧和深度學習感興趣，你可以訂閱我的博客，我會在這裡發布所有與人工智慧和深度學習有關的有趣文章。

via medium

推薦閱讀：

16個新手必看的機器學習視頻教程

乾貨分享｜深度學習零基礎進階第三彈

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。