干貨 | 如何從零學習人工智能？最好的資源都在這里了

本文作者： Gavin.Z

2016-11-01 10:27

導語：這篇文章介紹了初步學習人工智能和深度學習最好的資源。對于那些想進入人工智能領域卻又不知從何開始的初學者來說，這絕對非常有用。

這篇文章介紹了初步學習人工智能和深度學習最好的資源，對于那些想進入人工智能領域卻又不知從何開始的初學者來說，這絕對非常有用。文章源于 medium，作者 Ray Alez，雷鋒網編譯，未經許可不得轉載。讀者可直接點擊文章中的鏈接直接跳轉到學習界面。

一、機器學習

· 對于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，并且能讓學者很好的理解重要算法。

· 對于 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

我之前遇到過的關于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并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?guī)泱w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 對于神經網絡的詳細介紹。

之后，如果想獲得更多深層次的資源，這里有一些很有趣：

· 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，并且深入解釋所有問題。

· MIT 《深度學習》這本書。

· 斯坦福的 UFLDL 教程（其他鏈接）

· 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、人工智能

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

· UC Berrkeley 的《人工智能課程》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（訓練人工智能來玩 Pacman 游戲）解釋了人工智能的基本知識。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

如果你對人工智能感興趣，你可能很想知道人的大腦是怎么工作的，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）

· 《G?del, 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(fā)現的關于 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

學習人工智能，這里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