Life202971141
零基礎入門人工智能
貫穿數學基礎、機器學習、人工神經網絡、深度學習、神經網絡實例、深度學習之外的人工智能和應用場景。
結合人工智能發展的歷史與趨勢，本書圍繞機器學習與神經網絡等核心概念展開，並結合當下火熱的深度學習技術，勾勒出人工智能發展的基本輪廓與主要路徑，包含以下七大模塊：
1、數學基礎。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜算法的必備要素。這一模塊覆蓋了人工智能必備的數學基礎知識，包括線性代數、概率論、最優化方法等。
2、機器學習。機器學習的作用是從數據中習得學習算法，進而解決實際的應用問題，是人工智能的核心內容之一。這一模塊覆蓋了機器學習中的主要方法，包括線性迴歸、決策樹、支持向量機、聚類等。
3、人工神經網絡。作為機器學習的一個分支，神經網絡將認知科學引入機器學習中，以模擬生物神經系統對真實世界的交互反應，並取得了良好的效果。這一模塊覆蓋了神經網絡中的基本概念，包括多層神經網絡、前饋與反向傳播、自組織神經網絡等。
4、深度學習。簡而言之，深度學習就是包含多箇中間層的神經網絡，數據爆炸和計算力飆升推動了深度學習的崛起。這一模塊覆蓋了深度學習的概念與實現，包括深度前饋網絡、深度學習中的正則化、自編碼器等。
5、神經網絡實例。在深度學習框架下，一些神經網絡已經被用於各種應用場景，並取得了不俗的效果。這一模塊覆蓋了幾種神經網絡實例，包括深度信念網絡、卷積神經網絡、循環神經網絡等。
6、深度學習之外的人工智能。深度學習既有優點也有侷限，其他方向的人工智能研究正是有益的補充。這一模塊覆蓋了與深度學習無關的典型學習方法，包括概率圖模型、集群智能、遷移學習、知識圖譜等。
7、應用場景。除了代替人類執行重複性的勞動，在諸多實際問題的處理中，人工智能也提供了有意義的嘗試。這一模塊覆蓋了人工智能技術在幾類實際任務中的應用，包括計算機視覺、語音處理、對話系統等。
以上可以看出人工智能所涉及學科非常多，且對每個學科的要求都非常深。但既然是入門，可以從一些示例入手，產生興趣以後在通過專項學習加深理解。慢慢的也就入門了，網上有很多人工智能的在線演示的示例，有些可以進行簡單學習就可以自己跑起來一個看起來很厲害的程序。
智享互聯生活
掌握一些必備知識
數學知識<strong>
編程能力
機器學習
(1) 框架層面
(2) 理論方面
專業知識
學習資源
視頻資源
(1) 吳恩達《機器學習》
(2) 吳恩達《深度學習工程師》
(3) 莫煩Python：我覺得雖然講的很淺，但是沒有語言障礙，通俗易懂。
(4) 李飛飛 《斯坦福深度視覺識別課程》
書籍
(1) 數學方面
(2) 機器學習方面
(3) 圖像處理方面
Jackpop
零基礎怎麼入門人工智能機器學習？
蒙面哥講軟件☞有問必答
零基礎該如何入門人工智能機器學習呢？科多大數據帶你來看看大佬的知識分享。
寫這篇文章的初衷是大部分私信我的朋友都想了解如何入門/轉行機器學習，搭上人工智能這列二十一世紀的快車。再加上這個問題每隔一陣子就會在知乎時間線上出現一次，因此想寫一篇文章來“一勞永逸”的分享我的觀點。
1. 指出一些自學的誤區
2. 不過多的推薦資料
3. 提供客觀可行的學習表
4. 給出進階學習的建議。
這篇文章的目標讀者是計劃零基礎自學的朋友，對數學/統計基礎要求不高，
比如：
• 在讀的學生朋友• 非計算機行業的讀者• 已經工作但想將機器學習/數據分析和自己的本職工作相結合的朋友
因此，這篇文章對於已經身處機器學習領域可能幫助不大。同時再次聲明這只是我的個人看法，請大家有選擇的性閱讀，探索適合自己的學習方法。
▌1. 自學機器學習的誤區和陷阱
1.1. 不要試圖掌握所有的相關數學知識再開始學習
在很多相關的回答中，我都一再強調不要試圖補足數學知識再開始學習機器學習。一般來說，大部分機器學習課程/書籍都要求：
• 線性代數：矩陣/張量乘法、求逆，奇異值分解/特徵值分解，行列式，範數等
• 統計與概率：概率分佈，獨立性與貝葉斯，最大似然(MLE)和最大後驗估計(MAP)等
• 優化：線性優化，非線性優化(凸優化/非凸優化)以及其衍生的求解方法如梯度下降、牛頓法、基因算法和模擬退火等
• 微積分：偏微分，鏈式法則，矩陣求導等
• 信息論、數值理論等
一般人如果想要把這些知識都補全再開始機器學習往往需要很長時間，容易半途而廢。而且這些知識是工具不是目的，我們的目標又不是成為運籌學大師。建議在機器學習的過程中哪裡不會補哪裡，這樣更有目的性且耗時更低。
1.2. 不要把深度學習作為入門的第一門課
雖然很多人都是衝著深度學習來的，但把深度學習作為機器學習第一課不是個好主意。原因如下：
• 深度學習的黑箱性更加明顯，很容易學得囫圇吞棗
• 深度學習的理論/模型架構/技巧還在一直變化當中，並未塵埃落定
• 深度學習實驗對硬件要求高，不太適合自學或者使用個人電腦進行學習
更多討論可以看我的回答：深度學習的教學和課程，
蒙面哥講科技有問必答
最起碼要會一種編程語言，才能和計算機打交道，例如java python，然後學習數據結構，算法，神經網絡等等，人工智能對數學功底要求還是挺高的，但是會很有意思，比如做一個識別物品的人工智能，那麼你就要知道機器是怎麼才能它的認識，跟人類大腦很類似。
松鼠小碼農
我覺得是可以的！只要您肯仔細的重零開始的認真的去學肯定能行的！不光是人工智能其他行業也是如此的！相比之下可能比那些有點基礎又不專業的可能會學的更快。因為那些人有一部分是覺得自己很懂但是他也不專業，好多事都不會認真的聽認真學。就好比有的學生一樣，有的復讀一年，考試還不如前一年，為什麼呢！那就是他的那個驕傲的心在作祟！朋友們覺得我說的對的請給個贊！不過我只是發表我的個人意見，有不到的地方請見諒！我是“吃貨喜歡我”如有不同意見的請在評論區相互交流！謝謝！
吃貨喜歡我
沒有零基礎，計算機基本知識是需要的。
可以學習一下Python課程，然後再學習人工智能技術！
