如何学习人工智能这里有一份机器学习/AI领域最高质量的资源列表

原标题：怎么学习人工智能？这儿有一份机器学习/AI范畴最高质量的资源列表

雷锋网 AI 开发者按，在 AI2，职工的人工智能和机器学习资源和咖啡相同多。因而，常常有技能和非技能的朋友向他们咨询怎么取得关于人工智能的资源，这些朋友巴望了解更多关于这个抢手话题的信息。这并不是说这些人不会在谷歌上查找，而是由于网上的资源太多了，很难分辩哪些是好的，哪些是欠好的；什么是根本的介绍，什么是高档进阶所需求的。

作为回应，AI2 的工作人员列出了一份高质量资源的扼要清单。为了简练，他们抛弃了一部分资源的完整性。可是，他们正在 AI2 保护这些资源的「活动文档」，因而假如你有什么定见，请在谈论部分指出来，他们将不定时的更新和完善列表。

假如你是工程师，能够向下翻滚，鄙人一节中找到技能资源。

非技能资源

假如你想要看下人工智能的简略介绍，请看 MIT Technology Review 的摘要：

这个总结能够和机器学习术语的概述一同学习：

这两本书的作者都是 Karen Hao，书中有许多美丽的流程图来加深你的了解，这是这两本书的一大特征。

为了全面了解人工智能及其运用，引荐 Andrews Ng's 的 AI for Everyone Coursera 系列课程。

打破人工智能的一些过火追捧

下面引荐 Oren Etzioni 的抢手文章，这几篇文章都很简略：

• Deep Learning Isn’t Magic（Wired，2016 年）
• No, the Experts Don’t Think Superintelligent AI is a Threat to Humanity（麻省理工科技谈论，2016 年）
• AI Won’t Exterminate Us — it Will Empower Us（Backchannel，2014 年）

假如你想要更深化的了解，麻省理工学院教授 Erik Brynjolfsson 和 Andrew McAfee 的这篇宣布在哈佛商业谈论文章会很适宜，这篇总述十分具有洞察力：。

关于监管和品德问题，咱们主张阅览：

• Should AI Technology Be Regulated?: Yes, and Here’s How (Oren Etzioni, CACM, 2018 年)
• Are We Having An Ethical Crisis in Computing? (Moshe Vardi, CACM, 2019 年)
• Ethically Aligned Design, First Edition (IEEE, 2016 年)

进一步阅览

最终，这儿引荐两本优异的书，这两本书概述了该范畴及其对未来的影响：

• The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World，作者是保罗·G·艾伦华盛顿大学计算机科学与工程学院的教授 Pedro Domingos。
• Machine, Platform, Crowd: Harnessing Our Digital Future，作者是麻省理工学院首席研讨科学家 Andrew McAfee 和麻省理工学院数字商务中心主任 Erik Brynjolfsson。

工程技能资源

假如需求最根底的介绍，工程师能够从 AI2 团队成员预备的这些人工智能概述开端：

假如要更深化地了解，引荐 UW 教授 Pedro Domingos 的这篇有见地的谈论文章：

培育自己的机器学习技能

许多人引荐在线课程，包含：

• Andrew Ng 的 Machine Learning 课程
• Carlos Guestrin 和 Emily Fox 教授创立的Coursera & UW’s Machine Learning Specialization

关于深度学习，咱们引荐以下内容：

• RL&Deep 的真实入门教程：Faizan Shaikh 的博客帖子 Simple Beginner’s Guide to Reinforcement Learning & its Implementation。
• Andrew Trask 的书《Grokking Deep Learning》，教你从头开端构建深度学习神经网络。
• fast.ai 中的代码介绍： Deep Learning from the Foundations 展现了怎么从头开端构建最先进的深度学习模型。
• Andrew Ng 的 follow up Deep Learning 解说了 CNN 和 RNN 的原理以及怎么运用它们
• The 3Blue1Brown YouTube series on neural networks：可能是深度学习计算机视觉的最佳学习资源（尤其是关于反向传达的第 3、4 章）。合适有微积分布景，但对深度学习不太熟悉的中级技能人员。

斯坦福大学和 CMU 在的在线课程资料：

附加技能资源

假如此列表不足以满意你的需求，请参阅 Aditya Gupta 供给的其他资源：。

他们还引荐 AI2 的 JoelGrus 写的 这本书。请注意运用第二版（第一版就有许多正面谈论！）。

最终，这儿是 Joel 在 tweet 上的一条有用注释：

PS：要了解 AI2 的最新研讨，请订阅 ，还能够重视 这个 twitter 。

雷锋网雷锋网

责任编辑：