作者：NiceCui
- 本文谢绝转载，如需转载需征得作者本人同意，谢谢。
- 本文链接：http://www.cnblogs.com/NiceCui/p/7976595.html
- 邮箱：moyi@moyibolg.com
- 日期：2017-10-20
更多人工智能学习资料：http://www.cnblogs.com/NiceCui/p/8315674.html
学习路线
当下人工智能领域的发展已经有了燎原之势，麦肯锡全球研究院就认为人工智能促进对社会的转变速度将比工业革命“发生的速度快10倍，规模大300倍，影响几乎大3000倍。
历史告诉我们，一个新兴产业的崛起势必造成相关领域工作出现巨大人才缺口。高薪和机遇的双重诱惑让众多人才想要跨入AI的大门。这时有一套好的学习方法会给前进的道路减少不少阻力。其实人工智能并不仅仅包括机器学习。现如今基于统计的机器学习占据着主导地位。最近火热的深度学习正是机器学习中的一个子项。可以说，学习AI主要是学习机器学习。
人工智能、机器学习、深度学习三者之间关系
如何跨入AI的大门
首先你要端正自己思想态度。这是一门非常困难的学科，学习过程中，你会面对大量复杂的公式，在实际项目中会面对数据的缺乏，以及艰辛的调参等。如果你仅仅是因为它目前比较火，为了学习而学习，这样的话会很容易放弃的。当然，想要学习它并不是没有门路，关键是要有合适的学习方法。
仔细研究一下AI的门道，你就不难发现，数学基础是第一个，也是最大的门槛。（如果你看到有人说不懂数学也能搞AI，一定要警惕哦）
这个学习路线是这样设计的：
首先要了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。（推荐看周老师写的《机器学习简介》）
基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。
这时候有两个选择，深度学习或者继续机器学习。深度学习是目前最火热的机器学习方法，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。
除了深度学习，机器学习还包括统计学习，集成学习等实用方法。如果条件足够，可以同时学习两者，一些规律对两者是共通的。学习完后，就具备了较强的知识储备，可以进入较难的实战。
这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而想发论文。
这就是目前比较公认的人工智能学习方法，由此看来，数学知识才是学习的起点，所以呢，抓紧时间多巩固一下数学知识，这是一个漫长的过程，一起加油吧！