机器学习

声明：一些内容摘抄自他人，为今后学习人工智能做一个指导，愿你我一同进步！

一、机器学习

有关机器学习领域的最佳介绍，请观看Coursera的Andrew Ng机器学习课程。 它解释了基本概念，并让你很好地理解最重要的算法。

• 有关ML算法的简要概述，查看这个TutsPlus课程“Machine Learning Distilled”。
• “Programming Collective Intelligence”这本书是一个很好的资源，可以学习ML 算法在Python中的实际实现。 它需要你通过许多实践项目，涵盖所有必要的基础。

这些不错的资源你可能也感兴趣:

1. Perer Norvig 的Udacity Course on ML（ML Udacity 课程）
2. Tom Mitchell 在卡梅隆大学教授的 Another course on ML（另一门ML课程）
3. YouTube上的机器学习教程 mathematicalmonk

二、深度学习

关于深度学习的最佳介绍，我遇到最好的是 Deep Learning With Python。它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。

在Google上也有一个great introductory DL course，还有Sephen Welch的great explanation of neural networks。

之后，为了更深入地了解，这里还有一些有趣的资源：

1. Geoffrey Hinton 的coursera 课程“Neural Networks for Machine Learning”。这门课程会带你了解 ANN 的经典问题——MNIST 字符识别的过程，并将深入解释一切。
2. MIT Deep Learning（深度学习）一书。
3. UFLDL tutorial by Stanford （斯坦福的 UFLDL 教程）
4. deeplearning.net教程 
5. Michael Nielsen 的 Neural Networks and Deep Learning（神经网络和深度学习）一书
6. Simon O. Haykin 的Neural Networks and Learning Machines （神经网络和机器学习）一书

三、人工智能

“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：现代方法） 是关于“守旧派” AI最好的一本书籍。这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。

来自加州大学伯克利分校的 Artificial Intelligence course（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏 ）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。它的讲解相对较深，对初学者来说是非常不错的资源。

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直观有趣的方式来解释最好的现代理论。

1. Jeff Hawkins 的 On Intelligence（有声读物）
2. Gödel, Escher, Bach

我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。

其他资源：

1. Ray Kurzweil的 How to Create a Mind （如何创建一个头脑Ray Kurzweil） (有声读物).
2. Principles of Neural Science （神经科学原理）是我能找到的最好的书，深入NS。 它谈论的是核心科学，神经解剖等。 非常有趣，但也很长 – 我还在读它。

四、数学

以下是你开始学习AI需要了解的非常基本的数学概念：

微积分学

1. Khan Academy Calculus videos（可汗学院微积分视频）
2. MIT lectures on Multivariable Calculus（MIT关于多变量微积分的讲座）

线性代数

1. Khan Academy Linear Algebra videos（可汗学院线性代数视频）
2. MIT linear algebra videos by Gilbert Strang（Gilbert Strang的MIT线性代数视频）
3. Coding the Matrix （编码矩阵） – 布朗大学线程代数CS课程

概率和统计

1. 可汗学院 Probability（概率）与 Statistics（统计）视频
2. edx probability course （edx概率课程）

五、计算机科学

要掌握AI，你要熟悉计算机科学和编程。

如果你刚刚开始，我建议阅读 Dive Into Python 3 （深入Python 3）这本书，你在Python编程中所需要的大部分知识都会提到。

要更深入地了解计算机编程的本质 – 看这个经典的 MIT course （MIT课程）。这是一门关于lisp和计算机科学的基础的课程，基于 CS -结构和计算机程序的解释中最有影响力的书之一。

六、其他资源

1. Metacademy  – 是你知识的“包管理器”。 你可以使用这个伟大的工具来了解你需要学习不同的ML主题的所有先决条件。
2. kaggle  – 机器学习平台