想开始学习人工智能这块的知识，求大佬指导

• 資深大佬 : TimePPT

  这个话题就大了，就你说的这俩都不是一个方向。

• 資深大佬 : Jooooooooo

  买一本周志华的西瓜书看看先.

• 資深大佬 : ufan0

  @Jooooooooo 你这有点太坏了。

  买了一本西瓜书，看了一个月后。
  开始重新学习高数，学了两个月数学，回来花了半年把西瓜书看了两遍，味同嚼蜡……

  直到我看到那本《动手深度学习》，好像是这个名字，Github 有开源版本，才开始能入门，知道能干什么，怎么干。

• 資深大佬 : alalida

  要我说，自学人工智能也没什么用，好比自学量化交易。

  搞机器学习，就是训练模型。你就要选训练方法，训练目标，训练模型。如果想直接调包，那 keras 看一下他几个 demo 即可，如果想自己搞懂原理，还是得学数学。

  随便拿起哪本书，全是证明和推导，一个个矩阵，微分方程的，回头还是得回去抱高数。

• 資深大佬 : lostberryzz

  Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow

• 資深大佬 : outtime

  可以看看回形针的基本操作

• 資深大佬 : julyedu

  人工智能编程的学习成长无外乎这 6 步：数学-》 python 编程-》算法、数据结构-》机器学习-》深度学习-》算法实战应用领域，数学、算法这部分是基础，不管你们在哪个领域做编程想往高深了做，数学基础一定要打牢，不然很难走得远，做得深，时间会证明一切。

  我来分步骤大概说一下人工智能学习进阶的路线：

  第一步：基础类：数学和 Python 基础
  主要为微积分、概率统计、矩阵、凸优化

  Python 基础，

  第二步：Python 数据分析 掌握 Python 这门语言、和基本的数据分析、数据处理知识，可以先接触一下特征工程

  第三步：数据结构 /算法
  常见经典数据结构（比如字符串、数组、链表、树、图等）、算法（比如查找、排序）
  同时，辅助刷 leetcode，提高编码 coding 能力

  第四步：机器学习
  掌握常见经典的模型 /算法（比如回归、决策树、SVM 、EM 、K 近邻、贝叶斯、主题模型、概率图模型，及特征处理、模型选择、模型选择等等）
  同时，辅助刷 kaggle，培养对数据、特征的敏锐

  第五步：深度学习
  掌握神经网络、CNN 、RNN 、LSTM 等常见经典模型、以及三大 DL 框架

  同时，配套课程利用 TensorFlow 等开源框架做做 DL 等相关实验：

  NLP 、CV 、DM 、量化、spark 等应用方向任选其一

  把 ML 和 DL 图列一起了，这一整块是数据建模

  一言以蔽之：五个必修（数学、Python 数据分析、数据结构、ML 、DL ） + 五个选修（ NLP 、CV 、DM 、量化、Spark ），此外，配套课程刷 leetcode 、kaggle，最后做相关 DL 开源实验。再往后呢？实际操作，练练练