如何学习人工智能？（完结）

绛雪 提问：二哥，想问一下有没有人工智能的学习路线，或者人工智能视频教

程的推荐呢？

球友好。

这个人工智能的学习路线差不多花了 2 天的时间，还请教了另外一个球友 @张十八员外

（Python 方向的球友，你俩可以加个好友，下面这份攻略中也加入了他的内容），当然

了，二哥也不是专业的算法程序员，如果有不足的地方，也请球友们及时提出来。

既然不是专业人士，如何出这个学习路线呢，当然要靠二哥“天赋异禀”的信息检索能力

了。好了，开车。

基础技能

要学习人工智能，就必须得有一些基本功，那自然就离不开 Python 和数学。有球友在群

里说，学人工智能是不是需要高学历，我目前得到的答案是确定的，因为我身边的很多从

事人工智能方向的，基本上都是硕士以上的学历，并且大多数是名校。

Python 入门

我在 Java 程序员进阶之路上分享过一个 Python 的入门学习路线，这一点大家仍然可以去

参考，里面有视频/教程/书籍的访问地址。

https://tobebetterjavaer.com/xuexiluxian/python.html

同时这里加一些说明：Python 只需要学习基本语法、数据结构、常用函数和类库，以及

面向对象编程即可，不需要掌握的非常深入。另外，机器学习和深度学习的算法不同

于“数据结构与算法”中的算法，不需要花太多时间去刷 LeetCode 之类的。

球友张十八员外推荐的 Python 入门学习资料和我推荐的基本上非常一致。这里再重点强

调一下。

视频推荐 B 站上的小甲鱼或者黑马，或者其他，均可。我后面也会出一个 B 站上的视频

攻略，里面也会提到。

书籍的话推荐《Python 编程从入门到实践》，球友说零基础的要重视这本书，跟着书敲

代码，做课后的练习。建议购买纸质版，手头比较紧张的话可以到 JavaBooks 这个仓库里

下载 PDF 版本。

豆瓣链接：https://book.douban.com/subject/35196328/

文档的话球友推荐了三份，一份是《Python 语言基础 50 课》，这个仓库是从《Python

100 天从新手到大师》这个仓库中剥离出来的，并且追加了一些更适合新手的内容。

GitHub 地址：https://github.com/DetectiveZh/Python-Core-50-Courses

一份是《Python 100 天从新手到大师》，这份教程恐怕是 Python 领域人尽皆知的一个仓

库了，star 数 126k+，芜湖，牛逼！

 GitHub 地址：https://github.com/DetectiveZh/Python-100-Days

还有一份是廖雪峰教程，看到常用第三方库这部分即可，后面没必要。不要一开始就看这

份教程，容易迷糊，先通过视频学习。

教程链接：https://www.liaoxuefeng.com/wiki/1016959663602400

Python 环境

新手建议直接安装 Anaconda，重要的事情也不用重复三遍了，你懂我的意思吧。

Anaconda 是在 Conda（一个包管理器和环境管理器）的基础上发展出来的，它附带了包

括 Conda、Python 和 150 多个科学包以及其依赖项，因此你可以立即开始处理数据。

个人版是免费的，macOS 和 Windows 均可用。

官方地址：https://docs.anaconda.com/anaconda/install/

安装完 Anaconda 后就自带安装好了 Python，因此不需要再安装 Python 了。

另外，你要学会使用 Jupyter Notebook，数据分析、机器学习的必备工具，能让用户将说

明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。

如果你已经安装了 Anaconda，可以通过 Anaconda navigator 找到 Jupyter Notebook 的面

板。

工具包

顾名思义，工具包就是牛逼的人写好的一套工具，可以供我们直接调用，学习人工智能，

离不开这些必备的工具包。

• Numpy：矩阵计算必备，数据科学领域的核心工具包

• Pandas：数据处理必备，读数据、处理数据、分析数据

• Matplotlib：可视化必备，没有它画不出来的图

视频的话推荐《北京理工数据分析课程》，可以到 MOOC 直接搜；书籍的话推荐《利用

python 进行数据分析》，边学边实战。议购买纸质版，手头比较紧张的话可以到

JavaBooks 这个仓库里下载 PDF 版本。

仓库地址：https://github.com/itwanger/JavaBooks

数学基础

在人工智能领域，不懂数学是寸步难行。ML（Machine Learning） 和 DL（Deep

Learning）尤其需要一些必须掌握的数学基础。

• 像高等数学中的微积分（导数、偏导数、微分、积分、梯度）、泰勒公式、拉格朗

日，是机器学习公式推导的必备知识。

• 像线性代数中的特征值（及特征向量）、矩阵分解（及向量、矩阵、矩阵基本运算、

矩阵范数），是算法求解必备。

• 像概率论中的随机变量、概率估计、常见分布、联合概率、期望，是机器学习中经常

碰到的名词。

• 像统计分析中的回归分析、假设检验、方差分析，是数据分析必备。

不过，不要因此而吓到，遇到问题的时候再去学习研究就足够了，初学阶段，稍作了解即

可，不要成为成长路上的绊脚石。

? ，

大不了，从高中数学基开始学起来（），

来。

?

） ， 上

实际上 ， B 站还有很多这样的数学基础课，学起

B 站链接（4000 多万播放）：https://www.bilibili.com/video/BV147411K7xu

这里有一份网友翻译《MATHEMATICS FOR MACHINE LEARNING》的机器学习的数学基

础教程，需要的话，可以看以下，包括线性代数(Linear Algebra)、解析几何(Analytic

Geometry)、矩阵分解(Matrix Decomposition)、向量微积分(Vector Calculus)、概率与分

布(Probability and Distributions)、连续优化(Continuous Optimization)。

https://blog.csdn.net/weixin_44378835/category_9707298.html

机器学习

人工智能领域最核心的就是机器学习了，无论大家以后想从事哪个方向，从机器学习开始

准没错！机器学习主要就两件事：

• 掌握经典算法原理

• 熟练应用 Python 工具包进行建模实战

理论入门

球友推荐了四份学习资料（我再补充一些），这里详细地展开说一说，并且附上学习建

议。

1）吴恩达的机器学习课程（建议科班出身，英语能力较强的同学）

2022 年出了新版课程，基于 Python 语言，用的 TensorFlow，B 站目前播放量最大的是

2019 年版的：

B 站地址：https://www.bilibili.com/video/BV164411b7dx/

配套的： ?

GitHub 地址：https://github.com/Ayatans/Machine-Learning-homework

建议好好做每一个 lab，好好理解每一个知识点。

2）ApacheCN 录制的机器学习教学版和讨论版

如果你看吴恩达的视频就是看不懂，也不喜欢英文版的教学，那可以尝试一下这份教程。

• 教学版地址：https://space.bilibili.com/97678687/channel/collectiondetail?

sid=707585

• 讨论版地址：https://space.bilibili.com/97678687/channel/collectiondetail?

sid=707596

不过，视频的录制质量一般，文档倒是写的非常不错，GitHub 上有 34k 的 star。

教程地址（产于 2017 年）：https://ailearning.apachecn.org/#/docs/ml/1

里面还有数据分析、线性代数、pytorch、自然语言处理、TensorFlow 的内容。

3）刘建平的机器学习仓库， GitHub 星标 7.1k

仓库地址：https://github.com/ljpzzz/machinelearning

4）统计学习方法（李航老师）

豆瓣评分高达 9.3 分，算法大概包括 NB、LR、SVM、CART、GBDT、感知机、最大熵、

EM、HMM、CRF，书中例子、推导、算法相对比较详细，仔细阅读是非常有必要的。

豆瓣地址：https://book.douban.com/subject/33437381/

推荐看的章节：

• 第一章统计学习概论

• 第二章感知机

• 第三章 K 近邻

• 第四章朴素贝叶斯

• 第五章决策树

• 第六章逻辑回归和最大熵

• 第八章提升树

配套可以看博士（女）方法解。

B 站地址：https://www.bilibili.com/video/BV1No4y1o7ac/

配套的有网友的学，GitHub 星标 5.1k

GitHub 地址：https://github.com/SmirkCao/Lihang

5）周志华西瓜书

球友说比较枯燥，全是理论推导，时间充足可以配合视频一起啃，时间不足可以选择不

看。

6）台湾省的林轩田机器学习基石课

B 站链接：https://www.bilibili.com/video/av12463015/

实战

可以参加阿里云天池大解析机器学篇，共有四个任，不需要全部看， 1~2 个详细实操，

搞清楚思路和方法。

 网址：https://tianchi.aliyun.com/specials/promotion/bookcode

数据分析语挖掘

来数据掘就是海量数据用机器学算法来得到想要的果。数据掘的重点并不在于机器学算法

的，而是怎么数据行理才能得到更好的果。

数据挖掘主要是建模来进行预测，数据分析则重在可视化展示，分析其中各项指标对结果

的影响等。

?部分内容我就不再展开了，因

讨论了不

了， 因 确

掘

去

己

自

你

友

球

留

就

， 为确 实不 专业， 就 留 给球 友 你 自 己 去 挖掘 了 ， ?

深度学习

深度学习算法的核心价值在计算机视觉和自然语言处理中，而神经网络算法更适用于图像

和文本数据。要玩深度学习，必备的就是框架，目前最主流的就是 pytorch 和

TensorFlow，相当于快餐界的肯德基和麦当劳，都很强。

里推荐一下李沐的《手深度学》（神一本），B 站也有视频讲解。

B 站地址：https://www.bilibili.com/video/av14327359

有活雷将本中的 MXNet 代码实现改为 TensorFlow2 实现，GitHub 上也非常火爆：

GitHub 地址：https://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0

PyTorch 的版本也有，GitHub 星标 15.6k：

GitHub 地址：https://github.com/ShusenTang/Dive-into-DL-PyTorch

PS：这里再追加一些球友张十八员外追加的关于深度学习方面的内容，update 2022 年 10

月 23 日。

__

1）书籍

__

第一本，推荐《深度学习入门 基于 python 的理与【日】藤康毅》，用最简 直白的话

单 解深度学

讲

习，完全基于 python numpy 实现，不使用任何框架，豆瓣评分 9.4，好评如潮。

第二本，推荐《深度学习进阶 自然语言处理【日】斋藤康毅》，围

自然语

绕 言处理和时

序数据处理，豆瓣 9.8 好评如潮。

第三本，推荐《神经网络与深度学习 邱锡鹏》，必看的一本书，可以配合视频一块使

用。

第四本，推荐《深度学习（花书）》，非常经典的一本书，大量的理论 加深理解，和动

手学深度学习一样经典，但是很明显这本书一看是研究人员写的，而动手学深度学习一看就是工程人员

的。

__

2）框架学习

目前学术界几乎都在用 pytorch 了 已经大大碾压 tensorflow，pytorch 易学 符合人的思 上手

快

功能

强大

，用tensorflow 能做到的 pytorch 全能做到 ，最先上手掌握的框架 非 pytorch 莫属

推荐 B 站《刘二大人》，简单清晰、直观易懂。地

址：https://www.bilibili.com/video/BV1Y7411d7Ys/

1666481826530-79cdc39e-dfc1-4e2f-ad2e-1ec8de25b236.png

推荐 B 站《龙良曲新加坡国立大学的老师》，号称最好的 pytorch 教程，被很多很多营销号

盗过，甚至龙良曲老师被好多叫成龙曲良。。。B 站目前已经找不到官方版本了，udemy

有官方的版本，不是付的，不可以参考程的目去找：https://www.udemy.com/course/de

eplearning-pytorch/

推荐《pytorch 深度学》，球友感非常不的一本，但豆瓣分只有 7.4 分。

再推荐一个学 https://github.com/yunjey/pytorch-tutorial star 24.9k。

计算机视觉

算机是人工智能 (AI) 的一个域，是指算机和系能从像、和其他入中取有意的信息，并根

据该

信息采取行动

或提供建议 。

算机个行目前也非常火，尤其是在自上的用，涉及立体、光流估、里程、三物体与、三物

体跟踪等算机域的关技。算机核心的部分有个，一个是像理，外一个是像建模。

可以从条路出，一个是 OpenCV，一个是 MATLAB。

?

B 站上有口非常大，

气非到

：常 大 ， 入

的

大

同

，

）

土

入

（

通

精 从入 门到 精 通 （ 入 土 ? ） ， 同 济大 佬的 课：

B 站接：https://www.bilibili.com/video/BV1EG4y1B7Wz

有个享誉海外的李的斯坦福公开（中英字幕）入学 1-22 讲足够，完成 1 和 2：

 B 站地址：https://www.bilibili.com/video/BV1Ce4y1r79k/

?构上的

注意是某机上 ）传的 ， 所 以 会要 求 三 连才 会发资料 （ ?

（

料

才

三

求

要

以

所

， ）

自然语言处理

也就是 NLP，难度较大。

这就不班门

个 弄斧了，直接上点视

就撤（整理资

频 料的第二天，已经

有点扛不住了，没想到，回答球友的提问

，我这

么认真

?）

台大李宏毅 NLP(自然语言处理)完整课程，B 站上有

B 站接：https://www.bilibili.com/video/BV1hM4y157xX

再来一个斯坦福大学的（CS224N），共 18 讲 需要看 1-5，8，9，11，完成作业

B 站接：https://www.bilibili.com/video/BV1pt411h7aT

实战推荐《深度学 500 问》和阿里云天池大解（深度学篇），以及 kaggle 比赛 和天池比赛

源：

1、阿里天池云官网免 GPU 使用，地址：https://tianchi.aliyun.com/

2、Google 的 colab，地址：https://colab.research.google.com/

3、kaggle Notebook，地址：https://www.kaggle.com/code

补充

阿里云的开者社区上也有一人工智能的程，包括算法原理、框架精、机器学、像、自然言

理，人工智能等等内容，有些是免的，有些是付的，可以先把免的白嫖了。

阿里云地址：https://developer.aliyun.com/learning/roadmap/ai

国内有哪些自然语言处理的牛人或团队？https://www.zhihu.com/question/

24366306/answer/729914732

• 参考接 1：https://developer.aliyun.com/learning/roadmap/ai

• 参考接 2：https://github.com/tangyudi/Ai-Learn

• 参考接 3：https://www.zhihu.com/question/327809761

• 参考接 4：https://www.zhihu.com/question/58033789

• 参考接 5：https://www.ibm.com/cn-zh/topics/computer-vision