Python人工智能学习路线(长篇干货)

谈到人工智能（AI）算法，常见不外乎有两方面信息：铺天盖地各种媒体提到的高薪就业【贩卖课程】、知乎上热门的算法岗“水深火热 灰飞烟灭”的梗【贩卖焦虑】。

其实，这两方面都是存在的，但都很片面，这里不加赘述。客观地说，数字化、智能化是人类社会发展的趋势，而当下人工智能无疑是一大热门，那是蓝海还是火海？我们回到老道理——水的深度，只有你自己去试试水才知道。

当你对上面情况有了初步的了解并想试试水，需要面对的问题是：AI入门容易吗？

答案其实是否定的，难！

AI领域需要钻研算法原理、大量复杂的公式及符号、无所适从的项目都是劝退一时热度初学者的原因。但对于一个初学者，这些原因根本上就是面对这样困难的学科却缺乏合适方法导致的。

回到笔者，一名普普通通的程序员，当初也是”误打误撞“学习Python入门到机器学习、深度学习，至今有4个年头，踩了很多坑，下文说到的学习方法、具体化的学习路线也就填坑试错的经验罢了。

说到学习方法，其实我们谈到的人工智能之所以智能，核心也在于其学习方法。而人工智能学习过程有两个要素：

1、学习目标是什么？（——什么目标函数）

2、如何达到目标？（——什么算法）

可以发现这两个问题也是我们学习这门学科需要回答的，所谓的学习方法也就是明确学习目标以及如何达到的方法。人工智能领域很多思路和人类学习是很共恰的！

我们的学习目标比较清楚，就是入门人工智能领域，能完成一个AI相关的任务，或者找到相关的工作。

1、入门人工智能是个宽泛的目标，因此还得 将目标拆分成阶段性目标才易于执行，可以对应到下面--学习路线及建议资源的各个节点。

2、学习人工智能这门学科，需要提醒的是这本来就是件难事，所以实在搞不懂的知识可以放在后面补下，不要奢求一步到位（当然天赋了得另说），不要想一下子成为专家，可以从：懂得调用现成的算法模块(scikit-learn、tensorflow)做项目 -进阶-》懂得算法原理进一步精用、调优算法 -进阶-》领域专家。保持学习，循序渐进才是啃硬骨头的姿势。

3、啃硬骨头过程无疑是艰难的，所以慢慢地培养兴趣和及时的结果反馈是很重要的。在这方面，边学边敲代码是必须的，结合代码实践学习效率会比较高，还可以及时看到学习成果，就算是啃硬骨头看到牙印越来越深，不也是成果，也比较不容易放弃！

本学习路线的基本的框架是：

→ 首先宽泛了解领域，建立一定兴趣

→ 基础知识、工具准备

→ 机器学习|深度学习的入门课程、书籍及项目实践

→ （面试准备）

→ 自行扩展：工作中实战学习 或 学术界特定领域钻研，经典算法原理、项目实践

我们首先要对人工智能领域有个宽泛的了解，有自己的全局性的认识，产生一些判断，才不会人云亦云地因为“薪资高、压力大”等去做出选择或者放弃。再者你做的准备调研越多，确认方向后越不容易放弃（等门槛效应）。当然，最重要还是慢慢培养兴趣，这个事情如果没有兴趣不走心，能做得很好吗？

人工智能（Artificial Intelligence，AI）之研究目的是通过探索智慧的实质，扩展人类智能——促使智能主体会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、专家系统等）、会学习（知识表示，机器学习等）、会行动（机器人、自动驾驶汽车等）。一个经典的AI定义是：“ 智能主体可以理解数据及从中学习，并利用知识实现特定目标和任务的能力。”

从技术层面来看（如下图），现在所说的人工智能技术基本上就是机器学习方面的（也