本日，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，希望能够帮助到大家。

【文末有获取办法】

【文末有获取办法】

AI知识大体可以分为5个模块，接下来我会依次先容每个模块的学习路径，末了给大家推举几个实战项目，帮助大家快速入门人工智能。

在AI领域，目前大部分程序员都利用Python作为第一措辞。

学会上述操作后就入门了，但一定要将根本部分的内容节制踏实。
进阶操作在前期不焦急学习，可以在日后利用过程中逐渐精通，比如函数式编程、多线程利用、非常处理与日志管理等等。

这里给大家推举两本学习Python必备书本。
《Python编程》中每个知识点下都有对应示例，非常直不雅观。
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。

二、数学根本

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

牢记前期不要深陷到数学知识中去深挖！
！

高数

比如梯度低落和反向传播的根本事理便是求导，全局最优解便是极值点，以是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

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体系中看似不那么主要，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，到末了的结果剖析都与概率论息息相关。

书本推举

这里推举的是3本经典教材与1本我个人非常喜好的《数学之美》。
3本教材书无需多述，《数学之美》把抽象、深奥的数学方法阐明得普通易懂，非常精彩，很多模型事理都可以在个中找到你想要的回答。

三、数据剖析

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剖析与挖掘。

爬虫

很多同学问算法工程师须要学爬虫吗？我的回答是：算法的重点在于建模，算法工程师节制基本爬虫知识就好，由于单位一样平常都有专门的采集工程师。

必备三剑客

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

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，利用可阐明的数学公式去拟合数据、学习参数然后进行预测，末了对模型进行评估。

机器学习算法由于都有可阐明性，以是大家须要搞懂数学事理，并知道模型之间的差异、以及适用于什么数据集。

对付回归任务与分类任务，我们也须要知道各种评估指标间的差异与利用场景。

书本推举

这里推举两本学习ML必备书本。
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。
强烈推举将书本与上述推举***相结合进行学习。

深度学习是黑盒算法，不具可阐明性，初学者常日会以为它比较神秘。
但它的根本神经网络，可以说是由浩瀚个逻辑回归函数组成，以是在学机器学习时一定要将逻辑回归彻彻底底学明白。

文中所展示资料已经给大家整理好了，有须要的读者下图按步骤获取~