此列表包含了人工智能和深度学习最好的入门资源，对初学者和想要进入这一领域但又不知道如何开始的人最为有用。 机器学习 机器学习领域的最佳入门介绍，可以在coursera 上观看吴恩达（Andrew Ng）的机器学习课程
此列表包含了人
机器学习
机器学习领域的最佳入门介绍，可以在coursera 上观看吴恩达（Andrew Ng）的机器学习课程。这门课程解释了最基本的概念，让你对最重要的算法有一个很好的理解。
简而言之，如果想对高水平的机器学习算法有一个概览，可以观看在线课程“Machine Learning Distilled”。
图书Programming Collective Intellience《集体智慧编程》是学习在Python中的机器学习算法的实际应用的一个优秀的资源。书中列举了许多实际案例，覆盖了所有必须的基础知识。
其他你可能想看的几个资源：
- Peter Norvig （谷歌研发总监）在Udacity上的机器学习课程；
- 卡内基梅隆大学Tom Mitchell 的机器学习课程；
- Youtube 上的机器学习教程mathematicalmonk
深度学习
个人认为，深度学习最好的入门材料是Deep Learning With Python，它既没有深入到困难的数学问题中，也不会要求一大串的前期知识清单，而只是描述了一种简单的方法，来进入深度学习领域。这本书解释了如何迅速地在实践中进行开发和学习，详解最先进的工具（Keras，TensorFolw），并分析了若干个实际的项目，解释了当下所有最酷的深度学习应用是如何实现的。
此外，书中还细致地介绍了谷歌的深度学习课程以及Sephen Welch的神经网络。
随后，如果想进一步学习，这里还有一些比较有趣的资源：
- Geoffrey Hinton 在 Cousera的课程“NeuralNetwork for Machine Learning”，可以让你了解如何过一个经典的难题——MINIST角色识别来训练ANN。该课程对深度学习的方方面面都有深入的解读。
- MIT 的图书《Deep Learning》
- 斯坦福大学的课程UFLDL
- Michael Nielsen 的图书Neural Network andDeep Learning《神经网络和深度学习》
关于“旧派”人工智能的最佳图书Artificial Intelligence: A Modern Approach（AIMA），提供了一个对该领域的通览，并解释了你需要知道的所有基础概念。
UC Berkeley的人工智能课程：这是一个系列的视频课程，通过非常有趣的实际项目（比如，训练AI来玩Pacman 游戏）来解释最基础的AI 概念。推荐配以AIMA观看，因为这些课程就是基于书中的内容的，并从不同的角度解释了许多类似的概念，更易于理解。课程内容虽然很深，但是却有一个相当棒的方式让你可以从零开始。
人类的心智是如何起作用的？
如果你对AI感兴趣，你可能会想了解人类的心智是如何起作用的，下面的几本书将会用有趣的、直观的方式阐释最好的一些现代理论。
- Jeff Hawkins 的On Intelligence （有声读物）。
- Gödel, Escher, Bach
这两本书会为你提供关于人类心智是如何工作的这一问题一个概览。
其他资源还有：
Ray Kurzweil 的 How toCreate a Mind （有声读物）。
《神经科学规则》（Principlesof Neural Science）。这是我可以找到的关于深入研究神经科学的最好的书了，它讲了硬核科学（hardcore science）、神经解剖学等等，非常有趣，同时也很长。
数学
想要开始学习人工智能，这里有你需要的非常基础的数学概念：
计算
- 可汗学院的计算课程视频
- MIT的课程：MultivariableCalculus
线性代数
- 可汗学院的线性代数视频
- Gilbert Strang在MIT的线性代数视频
- 布朗大学的CS线性代数课程Codingthe Matrix
概率论和统计学
- 可汗学院的概率论和统计学课程视频
- edx的概率论课程
计算机科学
要想学好AI，了解计算机科学和编程的基本概念会让你更轻松。
- 如果只是刚刚入门，推荐阅读 Dive Into Python 3 ，这是一本很棒的书，能让你学会想要用Python编程必须掌握的最重要的东西。
- 要想更深入地了解计算机编程的本质，可以观看MIT的课程，关于lisp和计算机科学基础，是基于CS中最有影响力的图书Structureand Interpretation of Computer Programs.录制。
其他资源
Metacademy ：知识管理工具，你可以使用这一伟大的工具来理解在学习不同的机器学习主题时所需要的预备知识。
Kaggle：机器学习竞赛平台。
来源：blog.digitalmind
译者：胡祥杰
注：本稿件摘自数据观入驻自媒体—新智元，转载请注明来源
编辑：admin
声明：本文内容来源自网络，文字、图片等素材版权属于原作者，平台转载素材出于传递更多信息，文章内容仅供参考与学习，切勿作为商业目的使用。如果侵害了您的合法权益，请您及时与我们联系，我们会在第一时间进行处理！我们尊重版权，也致力于保护版权，站搜网感谢您的分享！
