此文是想要進入人工智慧這個領域、但不知道從哪裡開始的初學者最佳的學習資源列表。
一、機器學習
有關機器學習領域的最佳介紹,請觀看Coursera的Andrew Ng機器學習課程。 它解釋了基本概念,並讓你很好地理解最重要的演算法。
- 有關ML演算法的簡要概述,檢視這個TutsPlus課程“Machine Learning Distilled”。
- “Programming Collective Intelligence”這本書是一個很好的資源,可以學習ML 演算法在Python中的實際實現。 它需要你通過許多實踐專案,涵蓋所有必要的基礎。
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)
- Tom Mitchell 在卡梅隆大學教授的 Another course on ML(另一門ML課程)
- YouTube上的機器學習教程 mathematicalmonk
二、深度學習
關於深度學習的最佳介紹,我遇到最好的是 Deep Learning With Python。它不會深入到困難的數學,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建並學習實踐上的一切。它解釋了最先進的工具(Keras,TensorFlow),並帶你通過幾個實際專案,解釋如何在所有最好的DL應用程式中實現最先進的結果。
在Google上也有一個great introductory DL course,還有Sephen Welch的great explanation of neural networks。
之後,為了更深入地瞭解,這裡還有一些有趣的資源:
- Geoffrey Hinton 的coursera 課程“Neural Networks for Machine Learning”。這門課程會帶你瞭解 ANN 的經典問題——MNIST 字元識別的過程,並將深入解釋一切。
- MIT Deep Learning(深度學習)一書。
- UFLDL tutorial by Stanford (史丹佛的 UFLDL 教程)
- deeplearning.net教程
- Michael Nielsen 的 Neural Networks and Deep Learning(神經網路和深度學習)一書
- Simon O. Haykin 的Neural Networks and Learning Machines (神經網路和機器學習)一書
三、人工智慧
“Artificial Intelligence: A Modern Approach (AIMA)” (人工智慧:現代方法) 是關於“守舊派” AI最好的一本書籍。這本書總體概述了人工智慧領域,並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(人工智慧課程)是一系列優秀的視訊講座,通過一種非常有趣的實踐專案(訓練AI玩Pacman遊戲 )來解釋基本知識。我推薦在視訊的同時可以一起閱讀AIMA,因為它是基於這本書,並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直觀有趣的方式來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,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 (如何建立一個頭腦Ray Kurzweil) (有聲讀物).
- Principles of Neural Science (神經科學原理)是我能找到的最好的書,深入NS。 它談論的是核心科學,神經解剖等。 非常有趣,但也很長 – 我還在讀它。
四、數學
以下是你開始學習AI需要了解的非常基本的數學概念:
微積分學
- Khan Academy Calculus videos(可汗學院微積分視訊)
- MIT lectures on Multivariable Calculus(MIT關於多變數微積分的講座)
線性代數
- Khan Academy Linear Algebra videos(可汗學院線性代數視訊)
- MIT linear algebra videos by Gilbert Strang(Gilbert Strang的MIT線性代數視訊)
- Coding the Matrix (編碼矩陣) – 布朗大學執行緒代數CS課程
概率和統計
- 可汗學院 Probability(概率)與 Statistics(統計)視訊
- edx probability course (edx概率課程)
五、電腦科學
要掌握AI,你要熟悉電腦科學和程式設計。
如果你剛剛開始,我建議閱讀 Dive Into Python 3 (深入Python 3)這本書,你在Python程式設計中所需要的大部分知識都會提到。
要更深入地瞭解計算機程式設計的本質 – 看這個經典的 MIT course (MIT課程)。這是一門關於lisp和電腦科學的基礎的課程,基於 CS -結構和計算機程式的解釋中最有影響力的書之一。
六、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。
- kaggle – 機器學習平臺