如何自學人工智能路徑規劃（附資源，百分百親身經驗）

下面的每個資源都是我親身學過的，且是網上公開公認最優質的資源。

下面的每個學習步驟也是我一步步走過來的。希望大家以我為參考，少走彎路。

請大家不要浪費時間找非常多的資料，隻看最精華的！

綜述，機器學習的自學簡單來說分為三個步驟

前期：知識儲備包括數學知識，機器學習經典算法知識，程式設計技術（python）的掌握

中期：算法的代碼實作

後期：實戰水準提升

機器學習路徑規劃圖

一、數學基礎

很多人看到數學知識的時候就望而卻步，數學是需要的，但是作為入門水準，對數學的要求沒有那麼的高。假設你上過大學的數學課（忘了也沒事），需要的數學知識啃一啃還是基本能了解下來的。

1.1、數學内容

線性代數：矩陣/張量乘法、求逆，奇異值分解/特征值分解，行列式，範數等

統計與機率：機率分布，獨立性與貝葉斯，最大似然(MLE)和最大後驗估計(MAP)等

優化：線性優化，非線性優化(凸優化/非凸優化)以及其衍生的如梯度下降、牛頓法等

微積分：偏微分，鍊式法則，矩陣求導等

資訊論、數值理論等