“任何人都可以編碼”，我知道這句話聽起來很陳詞濫調，所以讓我再給你一個 “任何人都可以學習AI”。好吧，除非您不是博士學位或瘋狂的科學家，否則這聽起來是令人難以置信的。但是請相信我，無論您是程序員還是非程序員，在本文結尾處，您都將了解按順序學習AI的途徑和最佳資源。在開始之前，我只想弄清楚AI是一個廣闊的領域，它本身包括諸如機器學習，深度學習，強化學習，自然語言處理等子領域。老實說，人工智能就像海洋，其子領域就像海洋里的生物，因此除非您要學的是超人類人工智能，如果要學習日常人工智能也是有可能的。因此，在進行了足夠多交談之后，我們開始。

　　1.這是CS50(哈佛大學)

如果您是對編程完全陌生的非程序員，或者認為編程很難或不適合您的人，那么本課程是最好的起點。它將涵蓋編程和計算機科學的基礎知識或核心內容。該課程由大衛·馬蘭教授(David J. Malan)教授，他本質上具有超強的活力和活力。如果您沒有時間觀看整個課程，那么至少要觀看第一堂課。如果您已經了解編程的基礎知識，則可以跳過本課程。

　　2.Python編程課程(freeCodeCamp)

在AI和機器學習領域的編程方面，Python是您大多數時候都會聽到的語言，我的意思是它是增長最快的編程語言之一，擁有大量專門用于該領域的庫，這將使從長遠來看，您的生活會更輕松。關于Python最好的部分是，它非常簡單。

上面的課程為4?小時，涵蓋了安裝，變量，字符串，列表，元組，函數，面向對象的編程概念等主題。順便說一句，這門課程實際上是實用的。如果您已經了解Python編程，則可以跳過本課程。

　　3.所有人的人工智能(Coursera)

現在，這是您的AI旅程真正開始的部分。該課程本質上是理論性的，由整個AI和機器學習行業中最著名的人Andrew Ng教授教授。我的意思是說，任何在AI領域有一定知識的人都最了解他。關于本課程的最好之處在于，它簡短，簡潔，有趣，并且通常對具有或不具有有關AI或編程知識的任何人都可以理解。

這門課程很好地回答了一些常見但有趣的問題，例如：

(1)什么是AI和機器學習？

(2)是什么讓AI公司成立？

(3)機器學習可以或不能做什么？

(4)如何選擇機器學習或AI項目？

(5)機器學習項目的工作流程是什么？

(6)歧視/偏見，對AI的對抗性攻擊；

(7)人工智能和工作等等;還有很多，這里就不一一舉例說明了。

學習AI和機器學習時最容易想到的重要問題之一是：

我們應該深入了解算法的內部工作還是應該在現有的機器學習或深度學習平臺的幫助下通過實施來膚淺地學習算法

例如：我應該從頭開始實施人工神經網絡(流行的深度學習算法之一)還是使用Tensorflow或Pytorch之類的現有平臺。

我建議您在使用任何外部庫實施所有算法之前，先學習所有算法的內部工作原理，但最終由您決定。

　　4.斯坦福大學(庫塞拉)提供的機器學習

這是其中最受歡迎的機器學習課程之一，由吳安德教授教授。在撰寫本文時，已有310萬人參加了該課程。

這門課程最好的部分是，它是機器學習中最深入的課程之一，它敢于教授算法的內部工作原理及其背后的數學知識。

本課程使用Octave / Matlab對算法進行編碼，但是我強烈建議您使用Python編碼這些算法，因為這是行業標準。

　　5.機器學習教程(代碼基礎)

因此，在上一門課程中從頭開始實施這些算法后，或者您不熟悉與機器學習相關的數學知識之后，這就是適合您的課程。

這是YouTube上最好，最被低估的課程。關于本課程的最佳部分是易于理解的解釋。在本課程中，使用numpy，pandas，matplotlib和sklearn之類的庫來實現和可視化各種機器學習算法。使用上述外部庫，您可以在幾行代碼中輕松實現這些算法。

除了涵蓋所有標準的機器學習算法(例如線性回歸，邏輯回歸，決策樹，隨機森林，支持向量機(SVM)，K均值聚類和樸素貝葉斯算法)之外，它還涵蓋了諸如梯度下降，保存模型，虛擬變量和一種熱編碼等

因此，在您熟悉機器學習之后，現在該學習深度學習了，這是機器學習的一個子領域。深度學習算法是一種驅動Netflix，Amazon，YouTube和眾多大型公司，初創公司的推薦和個性化系統的算法。

　　6.深度學習專業(Coursera)

這是Coursera的專業課程，由吳安德教授教授，包括5門課程。

(1)神經網絡與深度學習

(2)改善深度神經網絡：超參數調整，正則化和優化

(3)構建機器學習項目

(4)卷積神經網絡

(5)序列模型

關于此專業的最好的部分是其深入的材料，這些講座涵蓋了有關算法和技術的技術和數學部分。Python用于編碼這些算法。

Tensorflow和Pytorch是開源的深度學習框架，在AI的整個領域中占主導地位。Tensorflow得到了Google的支持，而Pytorch得到了Facebook的支持。

基于流行度和下載量，Tensorflow占據上風，但在AI研究社區中，他們強烈支持Pytorch。因此，取決于您要選擇哪個框架或平臺。我建議嘗試將它們都嘗試一下，看看哪種最適合您。

　　7.實踐專業化中的Tensorflow(Coursera)

像Coursera上的其他專業課程一樣，它包含4個課程。

(1)TensorFlow的人工智能，機器學習和深度學習簡介

(2)TensorFlow中的卷積神經網絡

(3)TensorFlow中的自然語言處理

(4)序列，時間序列和預測

這些課程易于掌握，本質上非常實用。由Google的AI倡導者Laurence Moroney講授。在這里，您將使用Tensorflow構建實際的應用程序。

8.Pytorch教程(Pytorch官方網站)

如果您想學習Pytorch框架，那么沒有比這更好的地方了，那就是擁有自己的網站。他們的教程分為幾個小部分，涵蓋了Pytorch的大部分基本部分以及如何使用它來實現不同的深度學習模塊。

老實說，完成上述所有課程將花費大量時間，因此這取決于您和您的需求。最后，我只想說：“ 任何人都可以學習AI，每個人都應該學習AI， 因為AI是下一次工業革命?！毕肓私飧嚓P于機器學習和人工智能的信息，請繼續關注中培偉業。