原文 | Ray Alez

此文是想要進入人工智能這個領(lǐng)域、但不知道從哪里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”，簡單翻譯后供大家參考。

01 機器學習

有關(guān)機器學習領(lǐng)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，并讓你很好地理解最重要的算法。

有關(guān)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，可以學習 ML 算法在 Python 中的實際實現(xiàn)。 它需要你通過許多實踐項目，涵蓋所有必要的基礎(chǔ)。

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(guān)于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/）。它不會深入到困難的數(shù)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(gòu)建并學習實踐上的一切。它解釋了最先進的工具（Keras，TensorFlow），并帶你通過幾個實際項目，解釋如何在所有最好的 DL 應用程序中實現(xiàn)最先進的結(jié)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）。

之后，為了更深入地了解，這里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）。這門課程會帶你了解 ANN 的經(jīng)典問題——MNIST 字符識別的過程，并將深入解釋一切。

◆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(jīng)網(wǎng)絡(luò)和深度學習）一書（http://neuralnetworksanddeeplearning.com/）

◆Simon O. Haykin 的Neural Networks and Learning Machines（神經(jīng)網(wǎng)絡(luò)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(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，并解釋了你需要了解的所有基本概念。

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(yōu)秀的視頻講座，通過一種非常有趣的實踐項目（訓練AI玩Pacman游戲 ）來解釋基本知識。

我推薦在視頻的同時可以一起閱讀AIMA，因為它是基于這本書，并從不同的角度解釋了很多類似的概念，使他們更容易理解。它的講解相對較深，對初學者來說是非常不錯的資源。

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直觀有趣的方式來解釋最好的現(xiàn)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

我建議通過這兩本書入門，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(jīng)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，深入NS。 它談?wù)摰氖呛诵目茖W，神經(jīng)解剖等。 非常有趣，但也很長 - 我還在讀它。

04 數(shù)學

以下是你開始學習AI需要了解的非常基本的數(shù)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(guān)于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(shù)

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

◆MIT linear algebra videos by Gilbert Strang（Gilbert Strang的MIT線性代數(shù)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(shù)CS課程https://cs.brown.edu/video/channels/coding-matrix-fall-2014/?page=2

概率和統(tǒng)計

◆可汗學院 Probability（概率）https://www.youtube.com/playlist?list=PLC58778F28211FA19與 Statistics（統(tǒng)計）https://www.youtube.com/playlist?list=PL1328115D3D8A2566 視頻

◆edx probability course （edx概率課程）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。

如果你剛剛開始，我建議閱讀Dive Into Python 3（深入Python 3）http://www.diveintopython3.net/這本書，你在Python編程中所需要的大部分知識都會提到。

要更深入地了解計算機編程的本質(zhì) - 看這個經(jīng)典的MIT course（MIT課程）https://www.youtube.com/watchv=2Op3QLzMgSY&list=PLE18841CABEA24090#t=253。

這是一門關(guān)于lisp和計算機科學的基礎(chǔ)的課程，基于 CS -結(jié)構(gòu)和計算機程序的解釋中最有影響力的書之一。

06 其他資源

◆ Metacademy - 是你知識的“包管理器”。 你可以使用這個偉大的工具來了解你需要學習不同的ML主題的所有先決條件。https://metacademy.org/

來源 | 開源中國