此列表包含了人工智能和深度學習最好的入門資源，對初學者和想要進入這一領域但又不知道如何開始的人最為有用。

機器學習領域的最佳入門介紹，可以在coursera 上觀看吳恩達（Andrew Ng）的機器學習課程。這門課程解釋了最基本的概念，讓你對最重要的算法有一個很好的理解。

簡而言之，如果想對高水平的機器學習算法有一個概覽，可以觀看在線課程“Machine Learning Distilled”。

圖書Programming Collective Intellience《集體智慧編程》是學習在Python中的機器學習算法的實際應用的一個優(yōu)秀的資源。書中列舉了許多實際案例，覆蓋了所有必須的基礎知識。

其他你可能想看的幾個資源：

• Peter Norvig （谷歌研發(fā)總監(jiān)）在Udacity上的機器學習課程；

• 卡內基梅隆大學Tom Mitchell 的機器學習課程；

• Youtube 上的機器學習教程mathematicalmonk

個人認為，深度學習最好的入門材料是Deep Learning With Python，它既沒有深入到困難的數(shù)學問題中，也不會要求一大串的前期知識清單，而只是描述了一種簡單的方法，來進入深度學習領域。這本書解釋了如何迅速地在實踐中進行開發(fā)和學習，詳解最先進的工具（Keras，TensorFolw），并分析了若干個實際的項目，解釋了當下所有最酷的深度學習應用是如何實現(xiàn)的。

此外，書中還細致地介紹了谷歌的深度學習課程以及Sephen Welch的神經網絡。

隨后，如果想進一步學習，這里還有一些比較有趣的資源：

• Geoffrey Hinton 在 Cousera的課程“NeuralNetwork for Machine Learning”，可以讓你了解如何過一個經典的難題——MINIST角色識別來訓練ANN。該課程對深度學習的方方面面都有深入的解讀。

• MIT 的圖書《Deep Learning》

• 斯坦福大學的課程UFLDL

• Michael Nielsen 的圖書Neural Network andDeep Learning《神經網絡和深度學習》

關于“舊派”人工智能的最佳圖書Artificial Intelligence: A Modern Approach（AIMA），提供了一個對該領域的通覽，并解釋了你需要知道的所有基礎概念。

UC Berkeley的人工智能課程：這是一個系列的視頻課程，通過非常有趣的實際項目（比如，訓練AI來玩Pacman 游戲）來解釋最基礎的AI 概念。推薦配以AIMA觀看，因為這些課程就是基于書中的內容的，并從不同的角度解釋了許多類似的概念，更易于理解。課程內容雖然很深，但是卻有一個相當棒的方式讓你可以從零開始。

人類的心智是如何起作用的？

如果你對AI感興趣，你可能會想了解人類的心智是如何起作用的，下面的幾本書將會用有趣的、直觀的方式闡釋最好的一些現(xiàn)代理論。

• Jeff Hawkins 的On Intelligence （有聲讀物）。

• G?del, Escher, Bach

這兩本書會為你提供關于人類心智是如何工作的這一問題一個概覽。

其他資源還有：

Ray Kurzweil 的 How toCreate a Mind （有聲讀物）。

《神經科學規(guī)則》（Principlesof Neural Science）。這是我可以找到的關于深入研究神經科學的最好的書了，它講了硬核科學（hardcore science）、神經解剖學等等，非常有趣，同時也很長。

想要開始學習人工智能，這里有你需要的非常基礎的數(shù)學概念：

計算

• 可汗學院的計算課程視頻

• MIT的課程：MultivariableCalculus

線性代數(shù)

• 可汗學院的線性代數(shù)視頻

• Gilbert Strang在MIT的線性代數(shù)視頻

• 布朗大學的CS線性代數(shù)課程Codingthe Matrix

概率論和統(tǒng)計學

• 可汗學院的概率論和統(tǒng)計學課程視頻

• edx的概率論課程

要想學好AI，了解計算機科學和編程的基本概念會讓你更輕松。