如何入手人工智能领域，如何入手人工智能领域工作

初学者应该如何从零开始学习人工智能

此文是想要进入人工智能这个领域、但不知道从哪里开始的初学者最佳的学习资源列表。机器学习

有关机器学习领域的最佳介绍，请观看Coursera的AndrewNg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“MachineLearningDistilled”。

“ProgrammingCollectiveIntelligence”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:

PererNorvig的UdacityCourseonML（MLUdacity课程）

TomMitchell在卡梅隆大学教授的AnothercourseonML（另一门ML课程）

YouTube上的机器学习教程mathematicalmonk

深度学习

关于深度学习的最佳介绍，我遇到最好的是DeepLearningWithPython。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greatintroductoryDLcourse，还有SephenWelch的greatexplanationofneuralnetworks。

之后，为了更深入地了解，这里还有一些有趣的资源：

GeoffreyHinton的coursera课程“NeuralNetworksforMachineLearning”。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。

MITDeepLearning（深度学习）一书。

UFLDLtutorialbyStanford（斯坦福的UFLDL教程）

deeplearning.net教程

MichaelNielsen的NeuralNetworksandDeepLearning（神经网络和深度学习）一书

SimonO.Haykin的NeuralNetworksandLearningMachines（神经网络和机器学习）一书

人工智能

“ArtificialIntelligence:AModernApproach(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ArtificialIntelligencecourse（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。

JeffHawkins的OnIntelligence（有声读物）

G?del,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：

RayKurzweil的HowtoCreateaMind（如何创建一个头脑RayKurzweil）(有声读物)。

PrinciplesofNeuralScience（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。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

KhanAcademyCalculusvideos（可汗学院微积分视频）

MITlecturesonMultivariableCalculus（MIT关于多变量微积分的讲座）

线性代数

KhanAcademyLinearAlgebravideos（可汗学院线性代数视频）

MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT线性代数视频）

CodingtheMatrix?（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

edxprobabilitycourse（edx概率课程）

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DiveIntoPython3（深入Python3）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MITcourse（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。

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

以上就是我的观点，对于这个问题大家是怎么看待的呢？欢迎在下方评论区交流~我是科技领域创作者，十年互联网从业经验，欢迎关注我了解更多科技知识！

想学人工智能，应该从哪里学起。有什么机会

“人机大战”是眼下非常热门的新闻名词，这自然也催生出了一些与人工智能相关的职业，使得AI人才供给产生了巨大的缺口，越来越多的、各行各业的人，都想搭上人工智能这辆快车。现在人工智能已经涉及到电信、零售、金融、制造、物流、医疗、教育等各个领域，不得不说，人工智能时代已经到来了。

推荐几本有名的关系人工智能AI的书：

一、哥德尔、埃舍尔、巴赫集异璧之大成

人工智能领域中的奇书，也是影响极其深远的著作。哥德尔是大数学家，埃舍尔是荷兰著名的版画家，以绘制各种“不可能”的画著称，巴赫却是大名鼎鼎的音乐家。将这三者深刻地联系到一起的是那条”永恒的金带“，也就是那个横亘于宗教、科学、人文、艺术之上的怪圈，那个让人费解的不可能语句，然而作者却指出正是这种怪圈才是生命与智能的基础，也正是这个怪圈才是实现人工智能的根本。该书不仅对哲学与计算机科学产生了极大的影响，以至于著名深度学习软件TensorFlow的Logo都在模仿此书的封面，它更是对所谓的”后现代艺术“产生了极大的冲击。无论是”盗梦空间“还是”前目的地“，你都能看到此书的影子。更有趣的是，这本介绍人工智能思想的1000多页巨著却由于其高超的语言技巧而获得了”普利策文学奖“。

二、终极算法

当今人工智能革命背后的驱动技术正是机器学习，而要想理解什么是机器学习，以及它将怎样影响我们未来社会，就需要读一读《终极算法》这本书。当我们用手机输入汉字的时候，机器学习能动态联想出你最常用的词组；当我们打开微信扫描二维码的时候，机器学习程序正在帮助你快速地定位和识别；当你用美颜相机拍照的时候，机器学习帮助你优化照片；当你用淘宝购物的时候，机器学习在给你推荐商品。我们已经生活在一个由算法掌控的世界中，这些机器学习程序能够聪明地适应我们人类的需要而发生改变，以至于它可以比人做得更好，比你更了解你自己。在《终级算法》中，全球著名的算法问题专家、机器学习领域的先驱人物佩德罗多明戈斯，为我们揭开了算法的神秘面纱，让我们一窥谷歌以及你的智能手机背后的机器学习原理。他阐释了机器学习的五大学派思想，解释了它们如何将神经科学、心理学、物理等领域的理论转变为算法并为你服务，并提出了“终级算法”的设想，探讨了终级算法对未来商业、科学、社会以及对每个人的意义。对于想要理解未来将发生怎样的变革、以及想走在变革前沿的人来说，这是一本必不可少的思想指南。

三、人工智能时代

随着Alphago以4:1的大比分最终战胜人类，人类迎来了人工智能时代。我们很快就会与各式各样的智能机器共存。当机器人霸占了你的工作，你该怎么办？机器人犯罪，谁才该负责？人工智能时代，人类价值如何重新定义？在《人工智能时代》一书中，智能时代领军人物、硅谷连续创业者杰瑞卡普兰指出：智能时代的到来，给人类社会带来了两大灾难性冲击：持续性失业与不断加剧的贫富差距。机器正在很大程度上替代人类的工作，不管你是蓝领还是白领。而针对未来社会将要发生的这些问题，卡普兰在《人工智能时代》一书中从企业、税收和保险等机制上构建起了一个有益的经济生态，让社会中的每一个人都能从技术发展中获益。《人工智能时代》一书提出的建议和解决方案给遭遇挑战的人们更多抚慰和安全感！

四、走近2050，注意力、互联网与人工智能

我们将不得不面对这样的现实：我们的工作岗位将会越来越多地被机器所替代，那么这些丢掉工作的人们究竟能干什么？《走近2050》这本书给出了非常有意思的答案€€€€这些人只需要做一件事，就是给机器付出大量的注意力€€€€因为注意力恰恰是机器不断进化的最终动力。未来的世界就像一款庞大的游戏，所有的人类活动将无法被去分成生产和消费，玩€€€€持续不断地付出注意力的过程成为了终极的主题。大量的人工智能程序将会被设计出来以巧妙地引导和利用人类的注意力资源，从而使得每个人都开开心心地付出注意力，与此同时又推动了机器的进化。集智俱乐部的探索者们将引领读者走入注意力的世界，那里是互联网的引擎，那里是人工智能的发展方向。

五、奇点临近

奇点临近恐怕是关于未来人工智能最大胆奔放的预言。摩尔定律是计算机发展的一条规律，每隔十八个月计算机的各种性能就会翻倍。将摩尔定律外推，我们就会遇到奇点，即计算机运算能力最终超过人类的那个时间点。该书的作者库兹维尔引用大量的实例和数据佐证这样一种观察，并给出了骇人听闻的预言：机器终将超越人类。那么，奇点是否存在？机器是否可以超过人类？未来的人类将去向何方？所有这些问题都能在书中找到解读。

六、情感机器

在电影《机械姬》中，故事的主人公最终爱上了由机器虚拟出来的角色。那么，现实世界中的机器人和人工智能是否会有情感呢？未来的人类是否真的会同机器双双坠入爱河？人工智能之父，MIT人工智能实验室联合创始人马文明斯基带领读者进入到了情感机器的世界。他论证到，情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。

七、图灵的大教堂€€€€当人工智能之父与计算机之父相遇

图灵的大教堂忠实地记录了那段激动人心的历史。我们会看到人工智能的思想萌芽是如何在那个名不见经传的小人物头脑中孕育而生，我们也将领略天才人物冯诺依曼是如何在谈笑风生中便设计出了最早的计算机体系结构的。在《图灵的大教堂》一书中，作者乔治€€戴森着重介绍了一小群人，他们使用5千字节的内存（相当于现代计算机桌面上显示的光标所分配的内存大小），在天气预测和核武器设计方面，都获得了前所未有的成功。同时，他们还利用空闲时间解决各种问题€€€€从病毒的进化到恒星的演变。戴森教授的叙述既具有历史意义，又富于预见性，为第二次世界大战后期数字宇宙的爆炸提供了新的且重要的信息。代码和计算机的兴起伴随着两大历史性的发展：生物学自我复制序列的破译和氢弹的发明。很具破坏性和很具建设性的人类发明同时出现并不是巧合。

八、复杂€€€€诞生于混沌与秩序边缘的科学

尽管现在的人工智能已经取得了突飞猛进的发展，但它仍然是一种严重依赖于经验和试错的工程技术，而不是科学因为我们尚不知道如何根据第一性原理推导出人工智能。那么，如果你想知道设计智能系统背后的困境是什么，就来读读《复杂》这本书吧。这是一部传记体的科普读物，记述了圣塔菲研究所一座位于阿拉莫斯荒漠之上的学术胜地的成长故事。复杂是横亘于生物、互联网、计算机、社会、经济各类系统之中的共有规律，也是我们打开生命之门，理解人工智能第一性原理的根本所在。我们将读到科学家是如何用简单的方程创造出古老的微型生物体，我们也将看到数十行代码是如何给虚拟的飞虫赋予生命。复杂既是横亘于我们人类和现实世界之中的隐形屏障，又是通向神秘的人工智能之门的必经之路。

九、心智社会€€€€从细胞到人工智能，人类思维的优雅解读我们应该如何创造智能？人工智能之父马文明斯基提出了自己的观点，我们应该在机器人的头脑中创造一个社会，一个心智的社会。这是一种基于整体论的思想，即我们的大脑是成千上万不具备思维的小机器拼合而成的整体，正是这个整体才展现出了情感、思维、喜好、意识等高级智能现象。“没有心智社会就没有智能。智慧从愚笨中来。”

十、科学的极致€€€€漫谈人工智能

这是一本爱智求真小伙伴们的集体智慧结晶。让我们忘掉大段大段的公式和调试不完的程序，从人类灵魂的最深处探索人工智能吧。我们究竟如何定义智能？意识和智能是什么关系？哥德尔定理是否早已经限制住了人工智能的可能？简单代码究竟如何创造复杂的生命和智慧行为？人工智能如何预报天气？我们怎样才能创建一个虚拟星球？从人工智能的历史，到小虫自动机模型，再到令人烧脑的哥德尔定理，书中没有华丽的辞藻和学术权威的架子，但却在字里行间渗透出那股热爱科学、乐于探索的赤子之心。正是这种骨子里的探索精神打动了杨澜姐姐，她在自己的人工智能读物清单中首推了这本书；也正是这本书打动了无数读者，使得它一版再版，并远销海峡的对岸。

现在怎么着手学习人工智能呢

这是一个非常好的问题，也是很多人比较关心的问题之一，作为一名教育工作者，我来回答一下。

当前人工智能是一个热点领域，随着人工智能技术逐渐走进产业领域，未来大量的职场人都需要掌握一定的人工智能技术，而由于人工智能技术本身的知识量比较大，而且难度也相对比较高，所以很多人在学习人工智能技术的时候，往往不知道该从哪入手。

从技术体系结构上来看，当前对于初学者来说，学习人工智能技术可以从机器学习开始入手，然后根据自身的发展规划和岗位任务需要，来选择下一步的学习计划。当然，由于人工智能技术的学习需要一定的场景支撑，所以学习人工智能技术应该尽量为自己营造一个较好的学习和实践场景。

学习机器学习需要有一定的操作系统基础、数学基础和编程基础，如果没有掌握编程语言，需要先从编程语言开始学起，比如从Python开始学起就是一个比较不错的选择。在掌握了基础的Python编程知识之后，下一步就可以采用Python语言来完成一些简单的算法实现，进而完成算法训练、算法验证和算法应用等步骤。

随着当前各大科技公司纷纷开放自身的人工智能平台，未来行业领域会有大量的智能化创新会基于这些人工智能平台来展开，所以掌握人工智能平台也会有很多的就业机会。目前人工智能平台往往都以自然语言处理和计算机视觉为基础来进行构建，所以可以结合自身的岗位任务来选择学习的切入点。

最后，学习人工智能技术一定要重视与技术专家的交流，交流的过程也是学习的过程。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！