当前位置:主页 > 教学中心 > 科技教研组 >
初学者如何从零开始学习人工智能?看完你就懂了
  • 发布时间: 2018-11-26 20:09    发布人: xmjy    阅读数:
  • 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:




    Perer Norvig 的Udacity Course on ML(ML Udacity 课程)


    Tom Mitchell 在卡梅隆大学教授的 Another course on ML(另一门ML课程)


    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:




    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。


    MIT Deep Learning(深度学习)一书。


    UFLDL tutorial by Stanford (斯坦福的 UFLDL 教程)


    deeplearning.net教程 


    Michael Nielsen 的 Neural Networks and Deep Learning(神经网络和深度学习)一书


    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。




    Jeff Hawkins 的 On Intelligence(有声读物)


    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:




    Ray Kurzweil的 How to Create a Mind (如何创建一个头脑Ray Kurzweil) (有声读物).


    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




    Khan Academy Calculus videos(可汗学院微积分视频)


    MIT lectures on Multivariable Calculus(MIT关于多变量微积分的讲座)




    线性代数




    Khan Academy Linear Algebra videos(可汗学院线性代数视频)


    MIT linear algebra videos by Gilbert Strang(Gilbert Strang的MIT线性代数视频)


    Coding the Matrix (编码矩阵) – 布朗大学线程代数CS课程




    概率和统计




    可汗学院 Probability(概率)与 Statistics(统计)视频


    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




    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。


    kaggle  – 机器学习平台

    --------------------- 

    作者:杜佳豪 

    来源:CSDN 

    原文:https://blog.csdn.net/dujiahaogod/article/details/79720287 

    版权声明:本文为博主原创文章,转载请附上博文链接!