很多同学问我，AI 方向的知识多而杂，哪些该重点学习？学习路径又是怎么样的呢？
今天，我将自己的学习路径及我所参考的资料全部免费分享出来，希望能够帮助到大家。
AI 知识大纲
AI 知识大体可以分为 5 个模块，接下来我会依次介绍每个模块的学习路径，最后给大家推荐几个实战项目，帮助大家快速入门人工智能。
一、Python 编程基础
在 AI 领域，目前大部分程序员都使用 Python 作为第一语言。
学会上述操作后就入门了，但一定要将基础部分的内容掌握扎实。进阶操作在前期不着急学习，可以在日后使用过程中逐渐精通，比如函数式编程、多线程使用、异常处理与日志管理等等。
书籍推荐
这里给大家推荐两本学习 Python 必备书籍。《Python 编程》中每个知识点下都有对应示例，非常直观。入门后，《流畅的 Python》可以帮你精通Python，完成从小白到大神的进阶。
二、数学基础
很多同学看到数学就头疼，其实模型通用的基本数学原理并不难，难的公式在之后的模型中遇见时再逐个击破即可。
切记前期不要深陷到数学知识中去深挖！！
高数
比如梯度下降和反向传播的根本原理就是求导，全局最优解就是极值点，所以最优解一定在导数的某一个拐点处，类似的很多知识都是高中就学过的。
线代
首先要明白矩阵各维度所代表的意义
其次清楚矩阵的运算规则
概率论
概率论的知识在 AI 体系中看似不那么重要，但却无处不在。从数据预处理、建模、模型参数初始化及归一化，到最后的结果分析都与概率论息息相关。
书 籍推荐
这里推荐的是 3 本经典教材与 1 本我个人非常喜欢的《数学之美》。3 本教材书无需多述，《数学之美》把抽象、深奥的数学方法解释得通俗易懂，非常精彩，很多模型原理都可以在其中找到你想要的回答。
三、数据分析
在具备一定的编程能力与数学功底后，我们就可以对实际问题进行分析与挖掘。
爬虫
很多同学问算法工程师需要学爬虫吗？我的回答是：算法的重点在于建模，算法工程师掌握基本爬虫知识就好，因为单位一般都有专门的采集工程师。
必备三剑客
不论你做数分还是算法，Numpy、Pandas 和 Matplotlib 都是必须掌握的。但这部分内容很杂，没必要进行系统学习，就好像 Excel 中的函数一样。
四、机器学习
从机器学习开始就正式进入到了人工智能的领域。ML 涉及的算法都是白盒算法，使用可解释的数学公式去拟合数据、学习参数然后进行预测，最后对模型进行评估。
机器学习算法因为都有可解释性，所以大家需要搞懂数学原理，并知道模型之间的差异、以及适用于什么数据集。
对于回归任务与分类任务，我们也需要知道各种评估指标间的差异与使用场景。
书籍推荐
这里推荐两本学习 ML 必备书籍。周志华老师的《机器学习（西瓜书）》与李航老师的《统计学习方法》。
这两本书非常经典，讲述了机器学习核心数学理论与模型推导全过程，是夯实理论的不二选择。强烈推荐将书籍与上述推荐视频相结合进行学习。
五、深度学习
深度学习是黑盒算法，不具可解释性，初学者通常会觉得它比较神秘。但它的基础神经网络，可以说是由众多个逻辑回归函数组成，所以在学机器学习时一定要将逻辑回归彻彻底底学明白。
未完待续
上述提到的重点内容日后会继续和大家分享，文字难以表达的也会以视频的方式和大家见面。
资料领取：
-
一键三连 + 关注
-
后台主动留下自己的足迹：“书籍”（重点）
原文链接：https://www.bilibili.com/read/cv24175073/
