面向機器學習初學者的中文全方位教程和學習思路

接觸任何一個新的領域，我都提倡這樣一個做法：理論要先於實踐，且實踐要緊跟理論。也就是說，要先學習理論，但不可只學習理論，實踐要緊跟上。

如果先實踐，上來就下手，短期雖然能看見成果，但這樣的成果有前勁沒後勁，沒有理論的引導很容易就跑偏了；若是眼高手低，只喜歡看形而上的理論，不願動手去做，終究也只是紙上談兵。

下面是我整理的一份全面的「中文」學習建議（按學習的先後順序排序）：

• 視頻：有趣的機器學習系列 | 莫煩

機器學習涵蓋很多方面，除了最熱門的深度神經網路，還存在著其他的機器學習領域，這些領域在初入門時涇渭分明，越往後，越交叉。所以，從最開始就了解這些領域是很重要的，有助於你建立一個完整的知識圖譜。

• 視頻：吳恩達給你的人工智慧第一課

然後是具體的理論，看完前兩章，就能分清人工智慧、機器學習、深度學習、神經網路這些看起來差不多的詞，也能對基本的神經網路有個大體的概念。在學習中聽到不懂的名詞，推薦暫停下來維基百科一下，以便了解自己對哪方面的知識掌握薄弱。

• 視頻：[小甲魚]零基礎入門學習Python_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
• 文字：廖雪峰的Python教程

在學習人工智慧理論的時候，可以穿插著學一下Python，這樣不容易疲勞。記得動手寫下代碼，跟上Python理論。

理論總是高高在上，如果不知道怎麼落地，理解起來就很難，接下來該上實踐了。

• 視頻：入門 TensorFlow 的編程向教程 - 嗶哩嗶哩 ( ゜- ゜)つロ 乾杯~ Bilibili

看完以上教程，對於神經網路就已經達到了入門的級別了，這個時候就要時刻關注AI圈動態，了解最新進展。

• 公眾號：機器之心

這些文章很多晦澀難懂，尤其是機器之心的文章，上來就是大片的代碼，這個時候不要擔心，對於這些文章泛泛而讀就行，心裡有個印象就好，不求甚解。

吳恩達的課程很好，但是不夠全面，此時我們仍然需要補充更多的理論

• 文字、編程：Google的機器學習速成課程

看這些課程的時候，你會對之前看過的吳恩達課程有了新的認識，同時公眾號和專欄中的很多文章也能讀懂了。課程中夾帶了一些TensorFlow的編程，讀不懂也可以暫時跳過。

此時你應該有了想做點什麼的想法，但是發現寫代碼不知道從何下手，於是先看一下Tensor編程導向。

• 文字：官方中文教程 - 介紹TensorFlow_w3cschool

上面的教程中只需看懂第一張網頁和網頁尾部提到的手寫識別的兩個例子即可，真正的手把手教程在這裡。

• 視頻：Tensorflow 搭建自己的神經網路 (莫煩 Python 教程)_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili

未完待續

推薦閱讀：