在當前這個市場最不缺的是資料，不缺的原因是因為市場大量氾濫著各種姿勢的學習資料；最缺的也是資料，缺的原因是因為真正有體系，有價值的資料少之又少。

前言

之前分享過一篇個人的機器學習入門經歷分享：我是如何入門機器學習的呢。今天分享下人工智慧多個方向的學習資料，涵蓋 Python、 資料分析、機器學習、深度學習、自然語言處理、計算機視覺、強化學習。

人工智慧覆蓋的範圍很廣，我會盡可能將與之相關的多個方面的資料都做一個詳細介紹，介紹順序與學習順序基本一致。

PS：領取方式見文末

Python

想學人工智慧，需要掌握一門程式語言，推薦 Python， 簡潔、靈活、入手快，可以說是當前人工智慧領域下使用第一多的語言了。

說到 Python 教程，我首推 Python 教父廖雪峰 的教程。

這裡我已將廖雪峰老師的 Python3 教程整理成了 PDF。

如果覺得覺得看書無聊的話，推薦一個入門 Python 的視訊教程。

學完 Python 基礎之後，如果想進一步加深，可以做一些實戰專案，附上專案清單。

在做專案的過程中，你會發現有些知識掌握不牢固，如果想要繼續提高 Python 的水平，推薦一本書籍《流暢的Python》，這本書豆瓣評分: 9.4

資料分析

學習完了 Python 之後，接下來可以開始使用 Python 去做一些有趣的事情了。資料分析是一個不錯的選擇，這裡收集了使用 Python 做資料分析的視訊教程。

學習完了這個課程之後，推薦一本書籍《利用Python進行資料分析》，豆瓣評分：8.5

機器學習

這裡聊到了大家非常感興趣的機器學習了，學習機器學習首推吳恩達大師在
Coursera 釋出斯坦福的《機器學習》視訊課程。這個課程自發布後在全球一直處於火爆的狀態。

吳恩達老師的的課程不會介紹過多的數學原理，但是卻能夠將機器學習的原理講解明白，這對初學者來說是非常棒的。這裡收集到了帶有中文字幕的完整課程、課件、筆記以及程式碼。

想要看到中文字幕，只需要使用推薦的播放器即可。

學完吳恩達老師的課程外，如果想對機器學習的演算法有一個更深入的理解，推薦學習下臺灣大學林軒田老師的《機器學習基石》與《機器學習技法》課程，這個課程會更偏一些演算法原理。

除了視訊課程之外，還可以通過相關書籍來加強下基礎知識，這裡推薦兩本書籍，第一本是周志華老師的《機器學習》（俗稱“西瓜書”），豆瓣評分：8.8

另一本書籍是《機器學習實戰》，豆瓣評分：8.1。

這兩本書籍我也整理了相關的電子版。

深度學習

掌握了機器學習之後，你會發現大量的時間和精力花在了特徵工程相關的環節，通過深度學習可以解決一部分這樣的問題。深度學習課程首推吳恩達的課程。

除了吳恩達的課程之外，這裡也整理了另一套關於深度學習的視訊課程。

除了視訊教程之外，推薦一本關於深度學習的書籍，書名為《深度學習》（又叫“花書”），豆瓣評分：8.4

自然語言處理

除了深度學習與機器學習之外，自然語言處理也是當今的一個熱點。這裡整理了一套詳細的視訊教程。

此外，還有自然語言處理相關的應用教程視訊：聊天機器人。

除了視訊課程外，推薦一本相關的書籍《Python自然語言處理》

計算機視覺

說到計算機視覺，大多數人能想到的就是 CS231n（全稱：Convolutional Neural Networks for Visual Recognition，即面向視覺識別的卷積神經網路）。這裡將2017年的 CS231n 整理了出來。

強化學習

強化學習是之後的一個趨勢，目前市場上關於強化學習的中文資料並不多，這裡我整理了 David Silver 在 2015 年的錄製的強化學習視訊教程（帶有中文字幕）。

獲取方式

以上的所有資料（視訊、書籍）都已經整理到網盤，需要的可以掃碼新增編輯微信（備註關鍵字：AI資料，已經是好友的請傳送訊息：AI資料），領取學習資料。