FMI飛馬網 | AI 人工智慧學習資料匯總（在線教程、書籍、讀物、機器學習等）

嘗試學習、了解人工智慧的夥伴們一定經歷過查找資料的煩惱：網路上的內容太過雜亂，整理出來相當費時、費力！

一份詳盡的資料列表可以供沒有頭緒的學習者進行參考。當然好東西，多分享才有意義！

• 在線教程

1. 麻省理工學院人工智慧視頻教程

（https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/） – 麻省理工人工智慧課程；

1. 人工智慧入門

（https://www.udacity.com/course/intro-to-artificial-intelligence--cs271） – 人工智慧基礎學習，Peter Norvig舉辦的課程；

1. EdX 人工智慧

（https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x-0#.VMeIsmSsVkg） – 此課程講授人工智慧計算機系統設計的基本概念和技術；

1. 人工智慧中的計劃

（https://www.coursera.org/browse?source=deprecated_spark_cdp） – 計劃是人工智慧系統的基礎部分之一。在這個課程中，你將會學習到讓機器人執行一系列動作所需要的基本演算法；

1. 機器人人工智慧

（https://www.class-central.com/mooc/319/udacity-artificial-intelligence-for-robotics） – 這個課程將會教授你實現人工智慧的基本方法，包括：概率推算，計劃和搜索，本地化，跟蹤和控制，全部都是圍繞有關機器人設計；

1. 機器學習

（https://www.coursera.org/learn/machine-learning） – 有指導和無指導情況下的基本機器學習演算法；

1. 機器學習中的神經網路

（https://www.coursera.org/learn/neural-networks） – 智能神經網路上的演算法和實踐經驗；

1. 斯坦福統計學習

（http://online.stanford.edu/course/statistical-learning-winter-2014） -Introductory course on machine learning focusing on: linear and polynomial regression, logistic regression and linear discriminant analysis; cross-validation and the bootstrap, model selection and regularization methods (ridge and lasso); nonlinear models, splines and generalized additive models; tree-based methods, random forests and boosting; support-vector machines。

• 人工智慧書籍

1. 人工智慧:一種現代的方法

（http://product.dangdang.com/23360496.html?_ddclickunion=P-285716%7Cad_type=10%7Csys_id=1#dd_refer=） Stuart Russell & Peter Norvig；

1. The Cambridge Handbook of Artificial Intelligence

（https://www.amazon.com/Cambridge-Handbook-Artificial-Intelligence/dp/0521691915）– 適合非專業人士閱讀，本書覆蓋了基本原則，主要理論和主要研究領域，還有相關主題，比如人造生命；

1. The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind

（https://www.amazon.com/gp/product/0743276647） – 在這部讓人腦洞大開的圖書中，科技先鋒繼續了他極具創造力的研究，給我們呈現了一個全新的不可思議的人類大腦運轉模式；

1. Artificial Intelligence: A New Synthesis

（https://www.amazon.com/Artificial-Intelligence-Synthesis-Nils-Nilsson/dp/1558604677）– 從粒子反應入手，Nilsson逐漸向我們展示了人工智慧中最重要和最新的概念。

• 編程書籍

1. Prolog Programming for Artificial Intelligence

（https://www.amazon.com/Programming-Artificial-Intelligence-International-Computer/dp/0321417461）– 這本針對Prolog和人工智慧的暢銷書主要講述了使用Proglog語言編程解決有趣的人工智慧問題的基本機制；

1. AI Algorithms, Data Structures and Idioms in Prolog, Lisp and Java

（https://www.amazon.co.uk/Algorithms-Data-Structures-Idioms-Prolog/dp/0136070477）

• 人工智慧原理

1. Super intelligence

（http://www.audible.com/?ref=Adbl_ip_rdr_from_UK&source_code=AUDGBHP0923159F0G&ipRedirectFrom=GB&ipRedirectOriginalURL=pd%2FNon-fiction%2FSuperintelligence-Audiobook%2FB00LPMA33G）– 書中問：如果機器在智能上超越人類會怎樣。非常好的一本書；

1. Our Final Invention: Artificial Intelligence and the End of the Human Era

（http://www.audible.com/?ref=Adbl_ip_rdr_from_UK&source_code=AUDGBHP0923159F0G&ipRedirectFrom=GB&ipRedirectOriginalURL=pd%2FNon-fiction%2FOur-Final-Invention-Audiobook%2FB00KLJMDH8） – Our Final Invention explores the perils of the heedless pursuit of advanced AI. Until now, human intelligence has had no rival. Can we coexist with beings whose intelligence dwarfs our own? And will they allow us to？

1. How to Create a Mind: The Secret of Human Thought Revealed

（http://www.audible.com/pd/Science-Technology/How-to-Create-a-Mind-Audiobook/B009S7OKJS/ref=a_search_c4_1_1_srTtl?qid=1422483493&sr=1-1） – Ray Kurzweil——谷歌公司的技術主管——向我們展示了如何用反向工程來了解大腦是如何工作的，然後運用這些知識來創造人工智慧機器。

• 免費讀物

1. Foundations of computational agents

（http://artint.info/html/ArtInt.html）– 這部書由劍橋大學出版社於2010年出版；

1. The Quest for Artificial Intelligence

（http://ai.stanford.edu/%7Enilsson/QAI/qai.pdf） – 這本書回顧了人工智慧的歷史，從早期的18世紀先人的夢想，到如今眾多成功的人工智慧技術。

• 程序代碼

1. AIMA Lisp Source Code

（http://aima.cs.berkeley.edu/lisp/doc/overview.html） – 「Artificial Intelligence A Modern Approach」一書中的Common Lisp源代碼。

• 視頻/演講

1. The Unreasonable Effectiveness of Deep Learning

（https://www.youtube.com/watch?v=sc-KbuZqGkI） – Dr. Yann LeCun——負責Facebook人工智慧研究的主管——他給我們深入講解了人工智慧神經網路和他們對機器學習的應用。

機器學習

1. Deep Learning. Methods and Applications

（https://www.microsoft.com/en-us/research/publication/deep-learning-methods-and-applications/?from=http%3A%2F%2Fresearch.microsoft.com%2Fpubs%2F209355%2Fdeeplearning-nowpublishing-vol7-sig-039.pdf）來自微軟研究室的免費讀物；

1. Neural Networks and Deep Learning

（http://neuralnetworksanddeeplearning.com） – Neural networks and deep learning currently provide the best solutions to many problems in image recognition, speech recognition, and natural language processing. This book will teach you the core concepts behind neural networks and deep learning；

1. Machine Learning: A Probabilistic Perspective

（https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020） – 這本小書對機器學習給出了詳盡的介紹；

1. Deep Learning

（http://www.deeplearningbook.org） – Yoshua Bengio, Ian Goodfellow and Aaron Courville put together this currently free (and draft version) book on deep learning. The book is kept up-to-date and covers a wide range of topics in depth (up to and including sequence-to-sequence learning)。

• 其他資料

1. Open Congition Project

（http://wiki.opencog.org/w/The_Open_Cognition_Project） – 我們正在努力開發一款具有思考能力的機器。

之前我們也分享過關於人工智慧與機器學習 & 數據科學電子版書籍福利乾貨，感興趣的小夥伴可以關注公眾號【飛馬會】查看，可以在公眾號菜單欄回複數字「1」和「2」

點擊：從入門到研究，人工智慧領域最值得一讀的10本資料（附下載）

點擊：機器學習 & 數據科學必讀的經典書籍，內附資料包！