一、小白必看：人工智能(机器学习)学习路线 2020-08-22

目前，人工智能、机器学习、自然语言处理等已经成为互联网技术的主流。

截止2020年，全国各大高校都逐步在建设人工智能学院，如：深圳大学、中国科学院大学重庆学院、南京信息工程大学等双一流建设高校。

机器学习
但是，很多同学一开始报考人工智能方向的专业，是感觉这很高大上，技术感很强；但当他真正去接触的时候，就有点陌生。

其实人工智能、机器学习是一个将数学、统计学、计算机技术、神经网络、电子信息等多门学科结合的专业方向。但也因此很多人走了弯路，这是因为一开始没有系统地，有规划地去学习；本期专栏我将结合自身的经验来跟大家分享如何去快速、系统地掌握这些技术。

学习路线：

1、程序设计语言：python

由于python本身的程序编写简洁快速、入门简单功能强大、代码开发效率很高、扩展性高等优势；既符合初学者，又简单易学；而且python的TensorFlow框架可以辅助我们后面机器学习算法(如：SVM等)的学习

2、编程软件安装：pycharm、Octave

pycharm:是一款python语言的编译器，大家可以去官网下载；如果是在校学生，可以使用教育邮箱进行激活，免费使用

Octave:是机器学习中使用到的软件，官网可以免费下载

3、理论知识学习路线：

对于机器学习的初学者，可能被很多人推荐的是周志华老师的《西瓜书》；但是，如果是初学者或者是数学功底（高数、线代、概率）不是很强的同学，是不建议看的；大家可以按照以下路线学习：

一、数学理论知识：

李航《统计学习方法》第二版

《矩阵论》西北工业大学出版社（主要了解矩阵求导法则、Hessian矩阵、范式等）

Stenphen_Boyd 《凸优化》（王书宁译）

大家把以上的数学基础看完，就可以进行专业理论的学习，进行实战了。

二、专业理论知识

《机器学习理论导引》

周志华《机器学习》配套的《南瓜书》

视频：吴恩达《机器学习》

三、实战

《深度学习》花书AI

《动手学深度学习》

二、人工智能新手入门学习路线和学习资源合集（含python/机器学习/深度学习/tensorflow）2020-04-09

第一，语言建议python

第二，数学基础，微积分，概率论，线性代数，凸函数等。没有这些数学知识，可以学吗？可以的。但是改进，完善，加上自己想法的话，会很难

第三，基础知识，机器学习概念，分类，模型评估，性能测量。基础的模型：线性模型，决策树，人工神经网络，支持向量机，贝叶斯分类期，集成学习，聚类等知识。

第四，进阶，特征工程，降维等等。还有，特征选择，稀疏选择，计算学习理论，半监督学习，概率图模型，规则学习。

第五，整合，研究，融会贯通。