暑假卷的最厉害的居然人工智能，人工智能该如何学习？详细的AI【学习路线】与【资料推荐】
大家好，我是大白
最近很多同学都开始放暑假了，我偶尔去刷了一下关于AI的圈子
诸如学习人工智能的一大推言论：
我想利用暑假期间学人工智能行吗？
学AI是从什么编程语言开始学？
AI该如何学习？有书籍推荐嘛？
学AI必须读博吗？
关注过我的同学都知道，前段时间，我也是一直在给大家分享python相关的知识点和学习路线，
也跟同学们强调的一点，就是python是作为人工智能的首选语言
今天，我将关于AI的学习路径及我所参考的资料全部免费分享出来，虽然机器冰冷，但希望在学习AI的路径上让大家感受到温暖！
学习途径
在我学习人工智能的过程中，主要有以下两个途径：
- 首先是B站。
- 第二是书籍。视频的讲解难免会不全面，很多时候我们需要翻阅书籍对知识进行查漏补缺、透彻理解。本文提及所有书籍在文末可免费获取电子版。
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我入门时做过的项目，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
首先大家不要惧怕数学。在遇到我们不会的数学公式时，我们要更多的思考这个公式能解决什么问题，而不是一直纠结公式的推导与计算。
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
在深度学习中，线代最重要的应用就是高维数据相乘运算，可以大大提升运算速度。
- 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。
常用指标很多是大家耳熟能详的，比如均值、方差。如果你之前没有很强的概率论功底，建议你掌握常用知识后，在实际中遇到不懂的问题时要养成查阅的习惯。这部分知识不会太难，但是对理解模型与过程十分的重要：
- 比如为什么树模型一般不需要进行数据归一化？
- 而逻辑回归、神经网络、PCA中就必须进行数据归一化？
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。
但是数据分析师一定需要学。因为数据分析师需要具备自主获取数据的能力，从而进行数据分析。
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。
网络资源推荐
大家可以网上找一些常用方法多浏览浏览，脑子里留个印象就行，在实际使用的时候再去查具体怎么用。就算没印象，我也建议大家在实际使用时先去官网上查有没有对应的内置方法，如果没有再自己写函数实现。
后续我也会总结三剑客的高频使用方法。
关于人工智能技术储备
?AI学习路线汇总
人工智能所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
?AI资料视频?
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
?未完待续...
完整的资料全部放在以下获取：
完整的AI资料： 石墨文档