关键词：

原文链接：告别无用功|人工智能该如何学习

大家好，我是泰哥。

本文可谓是千呼万唤使出来，很多同学问我，AI方向的知识多而杂，哪些该重点学习？学习路径又是怎么样的呢？

今天，我将自己的学习路径及我所参考的资料全部免费分享出来，愿大家的AI学习进阶之路上多一些“温度”。

学习途径

在我学习人工智能的过程中，主要有以下两个途径：

• 首先是B站。我将所有知识点所推荐的视频链接直接贴设为了超链接，点击可直达教程。
• 第二是书籍。视频的讲解难免会不全面，很多时候我们需要翻阅书籍对知识进行查漏补缺、透彻理解。本文提及所有书籍在文末可免费获取电子版。

AI知识大纲

AI知识大体可以分为5个模块，接下来我会依次介绍每个模块的学习路径，最后给大家推荐几个我入门时做过的项目，帮助大家快速入门人工智能。

一、Python编程基础

在AI领域，目前大部分程序员都使用Python作为第一语言。

学会上述操作后就入门了，但一定要将基础部分的内容掌握扎实。进阶操作在前期不着急学习，可以在日后使用过程中逐渐精通，比如函数式编程、多线程使用、异常处理与日志管理等等。

网络资源推荐

1. 黑马Python教程
   ：将Python基础讲的非常详细，可以轻松入门，建议新手从P116开始学习。

书籍推荐

这里给大家推荐两本学习Python必备书籍。《Python编程》中每个知识点下都有对应示例，非常直观。入门后，《流畅的Python》可以帮你精通Python，完成从小白到大神的进阶。

原文链接：告别无用功|人工智能该如何学习

二、数学基础

很多同学看到数学就头疼，其实模型通用的基本数学原理并不难，难的公式在之后的模型中遇见时再逐个击破即可。

切记前期不要深陷到数学知识中去深挖！！

高数

首先大家不要惧怕数学。在遇到我们不会的数学公式时，我们要更多的思考这个公式能解决什么问题，而不是一直纠结公式的推导与计算。

比如梯度下降和反向传播的根本原理就是求导，全局最优解就是极值点，所以最优解一定在导数的某一个拐点处，类似的很多知识都是高中就学过的。

线代

在深度学习中，线代最重要的应用就是高维数据相乘运算，可以大大提升运算速度。

• 首先要明白矩阵各维度所代表的意义
• 其次清楚矩阵的运算规则

概率论

概率论的知识在AI体系中看似不那么重要，但却无处不在。从数据预处理、建模、模型参数初始化及归一化，到最后的结果分析都与概率论息息相关。

常用指标很多是大家耳熟能详的，比如均值、方差。如果你之前没有很强的概率论功底，建议你掌握常用知识后，在实际中遇到不懂的问题时要养成查阅的习惯。这部分知识不会太难，但是对理解模型与过程十分的重要：

• 比如为什么树模型一般不需要进行数据归一化？
• 而逻辑回归、神经网络、PCA中就必须进行数据归一化？

网络资源推荐

1. 人工智能必备数学基础全套课程：此课程将高数、概率论、线代知识进行浓缩，针对人工智能领域开发的数学综合课程，都是入门必备和模型中常见的数学知识。

2. 网易可汗学院统计学公开课：统计学入门课程，涵盖统计学所有的主要知识。

书籍推荐

这里推荐的是3本经典教材与1本我个人非常喜欢的《数学之美》。3本教材书无需多述，《数学之美》把抽象、深奥的数学方法解释得通俗易懂，非常精彩，很多模型原理都可以在其中找到你想要的回答。

原文链接：告别无用功|人工智能该如何学习

三、数据分析

在具备一定的编程能力与数学功底后，我们就可以对实际问题进行分析与挖掘。

爬虫

很多同学问算法工程师需要学爬虫吗？我的回答是：算法的重点在于建模，算法工程师掌握基本爬虫知识就好，因为单位一般都有专门的采集工程师。

但是数据分析师一定需要学。因为数据分析师需要具备自主获取数据的能力，从而进行数据分析。

必备三剑客

不论你做数分还是算法，Numpy、Pandas和Matplotlib都是必须掌握的。但这部分内容很杂，没必要进行系统学习，就好像Excel中的函数一样。

网络资源推荐

1. 【莫烦】Numpy&Pandas ：此视频一共只有3小时，但是可以以最快的速度了解三剑客的基本使用。

2. Numpy中文官方网站

3. Pandas中文官方网站

4. Matplotlib中文官方网站

大家可以网上找一些常用方法多浏览浏览，脑子里留个印象就行，在实际使用的时候再去查具体怎么用。就算没印象，我也建议大家在实际使用时先去官网上查有没有对应的内置方法，如果没有再自己写函数实现。

后续我也会总结三剑客的高频使用方法。

原文链接：告别无用功|人工智能该如何学习

四、机器学习

从机器学习开始就正式进入到了人工智能的领域。ML涉及的算法都是白盒算法，使用可解释的数学公式去拟合数据、学习参数然后进行预测，最后对模型进行评估。

这部分的知识需要大家从数据处理过程开始就多进行总结与反思：

• 数据清洗过程与特征工程是怎么做的？为什么会最终选用这些方法？
• 文本数据集常用的处理方法有哪些？适用的场景的是什么？
  

机器学习算法因为都有可解释性，所以大家需要搞懂数学原理，并知道模型之间的差异、以及适用于什么数据集。

对于回归任务与分类任务，我们也需要知道各种评估指标间的差异与使用场景。

网络资源推荐

1. 吴恩达机器学习：此教程以理论为主，对小白极为友善，就算没有基础，也能以最快的速度入门机器学习。

2. 菜菜的sklearn：此教程以实践为主，从数据处理、特征工程、到模型算法都会给予代码进行实操讲解，并将每个参数都讲的非常细致。

书籍推荐

这里推荐两本学习ML必备书籍。周志华老师的《机器学习（西瓜书）》与李航老师的《统计学习方法》。

这两本书非常经典，讲述了机器学习核心数学理论与模型推导全过程，是夯实理论的不二选择。强烈推荐将书籍与上述推荐视频相结合进行学习。

原文链接：告别无用功|人工智能该如何学习

五、深度学习

深度学习是黑盒算法，不具可解释性，初学者通常会觉得它比较神秘。但它的基础神经网络，可以说是由众多个逻辑回归函数组成，所以在学机器学习时一定要将逻辑回归彻彻底底学明白。

这部分给大家推荐书籍《图解深度学习》与《深度学习》。前者用图解的方式剖析了深度学习的原理，适合初学者；后者是深度学习领域奠基性的经典教程。

神经网络入门

1. 浙大研究生课程：浙大老师上课录像，板书推导神经网络的原理，看完后你会入门深度学习，并感受到它的神奇与魅力。（P19-P24为神经网络）

CNN与RNN入门

1. 吴恩达深度学习：首推荐还是吴恩达老师的课程：

   • 不论往哪个方向发展，都先看神经网络部分
   • 如果你之后想学图像方向，就接着看计算机视觉部分，然后对序列模型进行了解
   • 如果准备往自然语言或推荐方向发展，则推荐先看计算机视觉部分，掌握CNN的基本常识后，再去学习序列模型全部内容

2. 白板推导系列：机器学习与深度学习数学原理板书推导，极为硬核。

在学完理论知识后，我们就可以找一些项目进行实战了。

六、项目推荐

我本人是NLP算法工程师，在此对自然语言处理方向推荐几个入门练手小项目：

1. Bert文本分类：在官网下载源码后进行Debug，不仅可以锻炼调试阅读代码的能力，而且可以掌握Bert的细节。
   

2. 实体识别：此项目使用了多种不同的模型（HMM、CRF、Bi-LSTM、Bi-LSTM+CRF）来解决中文命名实体识别问题。

3. 对话机器人：此项目为医疗对话问答机器人，主要基于知识图谱实现。

在对NLP进行初步了解后，大家可以根据自身情况在Github上多找一些感兴趣的相关项目进行研究，不仅仅要知道代码实现细节，更要思考它能实际解决的业务问题。

未完待续

上述提到的重点内容日后会继续和大家分享，文字难以表达的也会以视频的方式和大家见面。

我目前的工作主要集中于实体识别、关系识别、知识图谱、图网络等方向，欢迎大家与我交流。同时，本文提到的10本书籍，加我公众号【AI有温度】，后台回复【学习书籍】均可免费获取。

欢迎大家的到来，每日8：18，AI干货与您不见不散

原文链接：告别无用功|人工智能该如何学习

机器学习资料与攻略超强整理吐血推荐

...料与攻略超强整理吐血推荐（一）》中，我们讲到要进入人工智能的圈子，数学是不可逾越的第一关，然后我们又推荐了一些你必须掌握的数学方面的资料。接下来，在这一篇中，我们将介绍关于机器学习的理论与工具方面的资... 查看详情

python就该这样学，我是如何2个月快速掌握python的！学习大纲+学习方式+学习资料汇总！

...0c;并且结合市场需求进行选择Python的应用范围测试运维web人工智能大数据爬虫及数据分析办公自动化2、学习过程中一定要勤加练习，并且尝试去使用学习过的内容实现一些简答的功能遇到技术问题不要慌，解决问题的过... 查看详情

ai：python与人工智能相关的库/框架(机器学习&深度学习&数据科学/计算机视觉/自然语言处理)的简介案例应用之详细攻略

AI：Python与人工智能相关的库/框架(机器学习&深度学习&数据科学/计算机视觉/自然语言处理)的简介、案例应用之详细攻略目录Python与人工智能相关的库/框架(机器学习&深度学习&数据科学/计算机视觉/自然语言处理... 查看详情

华为云技术分享机器学习（02）——学习资料链接

...器学习」？AI学习路线AI学习资料大全机器学习资料ApacheCN人工智能知识树给机器学习算法初学者的极简入门课机器学习入门视频教程机器学习教学版视频教程机器学习基石还有各在线平台里，机器学习相关的视频课程数学基础机... 查看详情

格灵深瞳cto邓亚峰：ai学习的三种路线

格灵深瞳CTO邓亚峰：AI学习的三种路线导读：人工智能多年来一直是行业热门，AI人才也受各大公司争相聘请。如何能快速掌握AI技能？高水准的AI人才应该具备哪些专业能力？AI大牛是怎么炼成的？格灵深瞳CTO邓亚峰总结的AI学习... 查看详情

ai学习路线和书籍分享

...Iag8Glvy2Be0Iw最全AI书籍资料整理推荐：《21个项目玩转深度学习：基于TensorFlow的实践详解》PDF+源代码《153分钟学会R》《AI·未来》《ggplot2：数据分析与图形艺术》《Hadoop权威指南(第2版)》《Hadoop权威指南（第四版）》中文PDF+英文... 查看详情

知识星球最新资料干货汇总（截止到2020年3月13日）

编者按「数智萤火虫」内容介绍：以大数据、人工智能、数字化转型为核心，包括星主在技术、产品、解决方案、职场等方面20年的经验积累与感悟。跨界延伸领域：企业架构、区块链、虚拟现实、增强现实、5G、产品经理等其... 查看详情

机器学习强基计划0-2：什么是机器学习？和ai有什么关系？

...机器学习？1.1定义1.2编程逻辑2机器学习与AI的关系2.1人工智能三大学派2.2机器学习在AI中3机器学习能干什么？4学习路线0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细... 查看详情

go学习路线资料

编辑器JetBrains公司出品的，golandgo初步学习路线Go指南如何使用Go编程实效Go编程GobyExample中文版参考:Go语言学习资料与社区索引Go入门指南GoWeb编程 查看详情

人工智能学习路线

...料下载  加助教小姐姐的威信即可免费获取：第一、人工智能必备数学基础数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上... 查看详情

深度学习系列资料总结

✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学... 查看详情

深度学习系列资料总结

✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学... 查看详情

机器学习的最佳学习路线原来只有四步

AI这个词相信大家都非常熟悉，近几年来人工智能圈子格外热闹，光是AlphoGo就让大家对它刮目相看。今天小天就来跟大家唠一唠如何进军人工智能的第一步——机器学习。 在机器学习领域，Python已经成为了主流。一方... 查看详情

深度学习最全资料合集

✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学... 查看详情

人工智能一：al学习路线

...找到了一套学习方法努力向你靠近 2017-12-0307:14:51当下人工智能领域的发展已经有了燎原之势，麦肯锡全球研究院就认为人工智能促进对社会的转变速度将比工业革命“发生的速度快10倍，规模大300倍，影响几乎大3000倍。&r... 查看详情

人工智能学习路线图？

参考技术A人工智能学习路线为：高等数学，概率论，python编程，机器学习，深度学习，各种算法实战。想学习人工智能，通过上面的学习路线学完，最好还要到人工智能企业里实战才行。如需学习人工智能，推荐选择【达内教... 查看详情

零基础如何学习人工智能，十部解决

关注私信小编“资料”获取学习资料。如果你一直在考虑尝试学习深度学习，这里有一个新的软件库，可以让事情变得简单。Fast.ai是一家由瑞秋·托马斯和杰里米·霍华德共同创立的初创公司，两人都在旧金山大学工... 查看详情

机器学习与ai相关的资料

机器学习与AI相关的资料：1、 http://www.fast.ai/  基础学习2、http://geek.ai100.com.cn/ 中文3、http://geek.ai100.com.cn/category/notes 学习笔记  查看详情