新手Python,如何系統的學習Python智能演算法?
目前剛開始學習Python,還不是很了解Python的庫等工具等,本人有一點點C和matlab基礎,現在想用python做智能演算法;
請問有沒有比較好的書或視頻,可以系統的學習,如果使用Python做modelling,啟發式演算法等。或者說,請問有沒有類似的書,如:MATLAB智能演算法30個案例分析_史峰,王輝編著;
此文是想要進入人工智慧這個領域、但不知道從哪裡開始的初學者最佳的學習資源列表。原文是 Ray Alez 編寫的「Artificial Intelligence resources」,簡單翻譯後供大家參考。
一、機器學習
有關機器學習領域的最佳介紹,請觀看Coursera的Andrew Ng機器學習課程。 它解釋了基本概念,並讓你很好地理解最重要的演算法。
- 有關ML演算法的簡要概述,查看這個TutsPlus課程「Machine Learning Distilled」。
- 「Programming Collective Intelligence」這本書是一個很好的資源,可以學習ML 演算法在Python中的實際實現。 它需要你通過許多實踐項目,涵蓋所有必要的基礎。
這些不錯的資源你可能也感興趣:
- Perer Norvig 的Udacity Course on ML(ML Udacity 課程)
- Tom Mitchell 在卡梅隆大學教授的 Another course on ML(另一門ML課程)
- YouTube上的機器學習教程 mathematicalmonk
二、深度學習
關於深度學習的最佳介紹,我遇到最好的是 Deep Learning With Python。它不會深入到困難的數學,也沒有一個超長列表的先決條件,而是描述了一個簡單的方法開始DL,解釋如何快速開始構建並學習實踐上的一切。它解釋了最先進的工具(Keras,TensorFlow),並帶你通過幾個實際項目,解釋如何在所有最好的DL應用程序中實現最先進的結果。
在Google上也有一個great introductory DL course,還有Sephen Welch的great explanation of neural networks。
之後,為了更深入地了解,這裡還有一些有趣的資源:
- Geoffrey Hinton 的coursera 課程「Neural Networks for Machine Learning」。這門課程會帶你了解 ANN 的經典問題——MNIST 字元識別的過程,並將深入解釋一切。
- MIT Deep Learning(深度學習)一書。
- UFLDL tutorial by Stanford (斯坦福的 UFLDL 教程)
- deeplearning.net教程
- Michael Nielsen 的 Neural Networks and Deep Learning(神經網路和深度學習)一書
- Simon O. Haykin 的Neural Networks and Learning Machines (神經網路和機器學習)一書
三、人工智慧
「Artificial Intelligence: A Modern Approach (AIMA)」 (人工智慧:現代方法) 是關於「守舊派」 AI最好的一本書籍。這本書總體概述了人工智慧領域,並解釋了你需要了解的所有基本概念。
來自加州大學伯克利分校的 Artificial Intelligence course(人工智慧課程)是一系列優秀的視頻講座,通過一種非常有趣的實踐項目(訓練AI玩Pacman遊戲 )來解釋基本知識。我推薦在視頻的同時可以一起閱讀AIMA,因為它是基於這本書,並從不同的角度解釋了很多類似的概念,使他們更容易理解。它的講解相對較深,對初學者來說是非常不錯的資源。
大腦如何工作
如果你對人工智慧感興趣,你可能很想知道人的大腦是怎麼工作的,下面的幾本書會通過直觀有趣的方式來解釋最好的現代理論。
- Jeff Hawkins 的 On Intelligence(有聲讀物)
- G?del, Escher, Bach
我建議通過這兩本書入門,它們能很好地向你解釋大腦工作的一般理論。
其他資源:
- Ray Kurzweil的 How to Create a Mind (如何創建一個頭腦Ray Kurzweil) (有聲讀物).
- Principles of Neural Science (神經科學原理)是我能找到的最好的書,深入NS。 它談論的是核心科學,神經解剖等。 非常有趣,但也很長 - 我還在讀它。
四、數學
以下是你開始學習AI需要了解的非常基本的數學概念:
微積分學
- Khan Academy Calculus videos(可汗學院微積分視頻)
- MIT lectures on Multivariable Calculus(MIT關於多變數微積分的講座)
線性代數
- Khan Academy Linear Algebra videos(可汗學院線性代數視頻)
- MIT linear algebra videos by Gilbert Strang(Gilbert Strang的MIT線性代數視頻)
- Coding the Matrix?(編碼矩陣) - 布朗大學線程代數CS課程
概率和統計
- 可汗學院 Probability(概率)與 Statistics(統計)視頻
- edx probability course (edx概率課程)
五、計算機科學
要掌握AI,你要熟悉計算機科學和編程。
如果你剛剛開始,我建議閱讀 Dive Into Python 3 (深入Python 3)這本書,你在Python編程中所需要的大部分知識都會提到。
要更深入地了解計算機編程的本質 - 看這個經典的 MIT course (MIT課程)。這是一門關於lisp和計算機科學的基礎的課程,基於 CS -結構和計算機程序的解釋中最有影響力的書之一。
六、其他資源
- Metacademy? - 是你知識的「包管理器」。 你可以使用這個偉大的工具來了解你需要學習不同的ML主題的所有先決條件。
- kaggle? - 機器學習平台
最後:我有建立一個python學習交流群,在群里大家相互幫助,相互關心。相互分享知識,多一個人多一個想法,只有人多的時候遇到問題才會有更多的人幫你解決問題,如果你也是願意分享,不是單純的伸手黨我歡迎你來群里,先在搜索框裡面加483在加上546 最後是416 這樣你就可以找到組織大家一起來分享
快速學習python交流總群:619307290 &>483546416
看書,《arcgis系統中的Python腳本編程》/《Python編程入門指南》/《Python高性能編程》/《Python核心編程》(第3版)/《Python入門經典》(第2版)/《Python演算法精解》/《python自然語言處理》/《Raspberry Pi的Python編程入門經典》/《寫給程序員的數據挖掘實踐指南》(Python版)
推薦閱讀:
※在 PyCharm 中寫 pip 包應該如何處理引用問題?
※怎樣搭建基於 Python 的科學計算、數據處理環境?
※請問python theano中的shared variable是指什麼意思?
※Python 最重要的庫都有哪些?
※python有木有類似cplusplus cppreference 這種網站?