发帖
雷达卡
一、机器学习
· 对于机器学习领域最好的介绍，请在Coursera上观看Andrew Ng 的Machine Learning course。这门课解释了该领域的基本概念，并且能让学者很好的理解重要算法。
· 对于 ML 算法的简要概述，请看TUtsPlus课程“Machine Learning Distilled”。
·《集体智慧编程》一书是学习 ML 算法在 Python 中实际运用的好资源。这本书涉及所有必要的基本原理，会带你体验很多实践课题。
可能你会对这些重要资源也感兴趣：
· 彼得·诺维格的ML Udacity 课程
· 汤姆·米切尔在卡内基梅隆大学上的另一门《ML课程》
·YouTube教程的机器学习课程——mathematicalmonk
二、深度学习
我之前遇到过的关于深度学习最好的介绍是Deep Learning With Python。这门课没有深入解释数学难题，不需要很多的预备知识，而是简单介绍了开始学习 DL 的方式，解释了如何快速开始建设并且在实践中学习所有知识。它解释了最高级的工具（ Keras, TensorFlow ），而且带你体验不同的实践课题，解释如何通过那些最好的 DL 应用来达到艺术效果。
在 Google 上也有DL 课程的介绍，而且有 Sephen Welch 对于神经网络的详细介绍。
之后，如果想获得更多深层次的资源，这里有一些很有趣：
· Geoffrey Hinton 的coursera 课程“机器学习中使用的神经网络”。这门课程会带你了解 ANN 的经典问题——MNIST 字符识别，并且深入解释所有问题。
· MIT《深度学习》这本书。
· Michael Nielsen 的《神经网络和深度学习》一书
· Simon O. Haykin 的《Neural Networks and Learning Machines》一书
三、人工智能
·《人工智能：一种现代方法（AIMA）》是一本关于“守旧派” AI最好的书籍。这本书总体概述了人工智能领域，解释了所有读者需要知道的基本概念。
· UC Berrkeley 的《人工智能课程》是一系列经典视频讲座，该课程通过一种非常有趣的实践项目（训练人工智能来玩 Pacman 游戏 ）解释了人工智能的基本知识。我建议该系列视频讲座结合 AIMA 这本书一起看，因为视频讲座就是以这本书为基础，从不同角度解释了很多相似的概念，使这些概念更容易理解，讲解深度较深，对初学者来说是不错的资源。
大脑如何工作
如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过一种直观、有趣的方式解释最好的现代理论。
· Jeff Hawkins 的《On Intelligence》（有声读物）
我建议通过这两本书入门，这两本书能很好地向你解释大脑工作的一般理论。
其他资源
· Ray Kurzweil 的《How to Create a Mind》（有声读物）
·《Principles of Neural Science》这是我能发现的关于 NS 最好的一本书。 这本书讨论了硬核科学，神经解剖学等。这本书很有意思，但是有点长——我现在还在读。
四、数学
学习人工智能，这里有你需要了解的最基本的数学概念：
微积分学
· 可汗学院的微积分视频课
· MIT关于Multivariable Calculus 的讲座
线性代数
· 可汗学院线性代数视频课
· Gilbert Strang的 MIT线性代数视频课
· Coding the Matrix — 布朗大学关于为计算机科学专业开设的线性代数课程
概率与统计
五、计算机科学
要想掌握人工智能，你需要熟悉计算机科学和编程。
如果你刚刚开始了解，我建议你读一读《Dive Into Python 3》这本书。这本书很棒，能够让你学到在python 中编程所需要的大多数知识。
想从更深层次上了解计算机编程的本质——看一下MIT 的经典课程。 这门课以计算机科学专业最有影响力的一本书《Structure and Interpretation of Computer Programs》为基础，讲述了LISP语言和计算机科学的基本知识。
六、其它资源
·Metacademy — 是你知识的“管理器大礼包”。你可以利用这个工具来了解学习 ML不同课程需要的所有预备知识。
·kaggle — 机器学习平台
学习交流：
我的邮箱:tukey_cn@foxmail.com。如果你对学习人工智能和深度学习感兴趣，你可以加QQ群（CDA网校②：346390869），我会在群里发布所有与人工智能和深度学习有关的有趣文章。
[/url]
京公网安备 11010802022788号
