人工智能無(wú)疑是當(dāng)今科技屆的熱點(diǎn)領(lǐng)域，各大公司也在大力的投入。深度學(xué)習(xí)作為其熱門(mén)技術(shù)，期間也產(chǎn)生了各種各樣的深度學(xué)習(xí)智能框架。比如TensorFlow,Caffe,CNTK,Theano等等，其中TensorFlow毋庸置疑的成為了最熱的熱點(diǎn)。那么對(duì)于非專(zhuān)業(yè)研究者的開(kāi)發(fā)人員甚至非開(kāi)發(fā)人員，我們?nèi)绾稳腴T(mén)呢？接下來(lái)小編為大家整理了一些深度學(xué)習(xí)TensorFlow的入門(mén)資源。（主要是一些長(zhǎng)期教程）

官網(wǎng) https://www.tensorflow.org/

官網(wǎng)無(wú)論什么都是入門(mén)必看的重點(diǎn)。官網(wǎng)介紹了，如何安裝使用TensorFlow，已經(jīng)TensorFlow的API文檔。里面還包含TensorFlow主要功能的詳細(xì)指南。這里就不過(guò)多的介紹了

Keras http://keras-cn.readthedocs.io/en/latest/

Keras是一個(gè)高層神經(jīng)網(wǎng)絡(luò)API，Keras由純Python編寫(xiě)而成并基Tensorflow、Theano以及CNTK后端。Keras 為支持快速實(shí)驗(yàn)而生，能夠把你的idea迅速轉(zhuǎn)換為結(jié)果，如果你有如下需求，請(qǐng)選擇Keras：

• 簡(jiǎn)易和快速的原型設(shè)計(jì)（keras具有高度模塊化，極簡(jiǎn)，和可擴(kuò)充特性）

• 支持CNN和RNN，或二者的結(jié)合

• 無(wú)縫CPU和GPU切換

為什么我會(huì)推薦Keras呢，因?yàn)閺腡ensorFlow1.0開(kāi)始，官方已經(jīng)正式在TF中加入了Keras，同時(shí)，他的便捷性和簡(jiǎn)單性也值得使用。

谷歌機(jī)器學(xué)習(xí)速成課程 https://developers.google.com/machine-learning/crash-course/

這是谷歌推出的機(jī)器學(xué)習(xí)熱愛(ài)者的自學(xué)指南，包含一系列視頻講座課程、實(shí)際案例分析和實(shí)踐練習(xí)?？梢栽诳匆曨l后，進(jìn)行一些檢驗(yàn)，也包含一些代碼的訓(xùn)練。是一套不存的視頻課程，而且全面支持中文（PS:機(jī)器學(xué)習(xí)生成的中文口音，怪怪的）

Udacity優(yōu)達(dá)學(xué)城 https://cn.udacity.com/course/deep-learning--ud730

谷歌在Udacity上的深度學(xué)習(xí)課程，在這里你將透徹理解深度學(xué)習(xí)，教授你如何訓(xùn)練和優(yōu)化基本神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)期神經(jīng)網(wǎng)絡(luò)。解決學(xué)習(xí)一系列曾經(jīng)以為非常具有挑戰(zhàn)性的新問(wèn)題，并在你用深度學(xué)習(xí)方法輕松解決這些問(wèn)題的過(guò)程中更好地了解人工智能的復(fù)雜屬性?？傊且惶缀懿诲e(cuò)教學(xué)視頻，包含課后習(xí)題。這個(gè)教學(xué)項(xiàng)目目前是免費(fèi)的。

莫煩Python https://morvanzhou.github.io/

我在最早接觸Python和深度學(xué)習(xí)就是在這里，一個(gè)喜歡學(xué)到什么就分享什么的人，分享過(guò)很多python, 機(jī)器學(xué)習(xí)的知識(shí)。非常不錯(cuò)的教學(xué)視頻，重點(diǎn)是都是中文的。

廖雪峰 https://www.liaoxuefeng.com/

小白的Python新手教程，具有如下特點(diǎn)：中文，免費(fèi)，零起點(diǎn)，完整示例，基于最新的Python 3版本。一個(gè)非常棒的Python學(xué)習(xí)網(wǎng)站，TensorFlow最適合的語(yǔ)言自然是Python了，值得學(xué)習(xí)。

Stanford的CS 20SI課程，專(zhuān)門(mén)針對(duì)TensorFlow的課程 https://web.stanford.edu/class/cs20si/

斯坦福大學(xué)的TensorFlow學(xué)習(xí)課程，英文的所有一定難度。課程將涵蓋Tensorflow的基本原理和用法。旨在幫助學(xué)生理解TensorFlow的圖形計(jì)算模型，探索其提供的功能，并學(xué)習(xí)如何構(gòu)建和構(gòu)建最適合深度學(xué)習(xí)項(xiàng)目的模型。通過(guò)課程，學(xué)生將使用TensorFlow構(gòu)建不同復(fù)雜度的模型，從簡(jiǎn)單的線(xiàn)性/邏輯回歸到卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)，以解決詞嵌入，翻譯，光學(xué)字符識(shí)別，強(qiáng)化學(xué)習(xí)等任務(wù)。學(xué)生還將學(xué)習(xí)最佳實(shí)踐來(lái)構(gòu)建模型并管理研究實(shí)驗(yàn)。

重點(diǎn)！網(wǎng)紅Siraj Raval https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A

這是我最喜歡的一個(gè)頻道，Siraj Raval已經(jīng)成為了一位網(wǎng)紅，天成的程序員表演家，技術(shù)達(dá)人。他分享了大量的機(jī)器學(xué)習(xí)視頻，風(fēng)趣而幽默。而且每個(gè)視頻下都配了他的Github倉(cāng)庫(kù)，里面有他寫(xiě)好的代碼。他的視頻風(fēng)格讓人印象非常深刻。是一個(gè)很不錯(cuò)的學(xué)習(xí)頻道。

上述只是我列的一些幫助我們?nèi)腴T(mén)的教程，是非常入門(mén)的。更適合像我們這些沒(méi)有太深數(shù)學(xué)基礎(chǔ)的程序員和非程序員。以后還會(huì)給大家發(fā)一些深度一些的資源，歡迎大家持續(xù)關(guān)注。

剛過(guò)去的2017年把人工智能推向了高潮。很多人見(jiàn)證了谷歌團(tuán)隊(duì)的阿爾法狗戰(zhàn)勝了人類(lèi)一流圍棋手，讓世人見(jiàn)證了科技的魅力，更讓很多人知道了python語(yǔ)言，形成了人工智能熱。

為什么開(kāi)發(fā)人工智能做好的語(yǔ)言是python呢？其實(shí)編程語(yǔ)言沒(méi)有最好的，只有最合適的。谷歌的TensorFlow基本上所有的代碼都是C++和Python，其他語(yǔ)言一般只有幾千行 。如果講運(yùn)行速度的話(huà)，用C++，如果講開(kāi)發(fā)效率，用Python，Java這種高不成低不就的語(yǔ)言搞人工智能那就算了吧。Python雖然是腳本語(yǔ)言，但是因?yàn)槿菀讓W(xué)，迅速成為科學(xué)家的工具（MATLAB也能搞科學(xué)計(jì)算，但是軟件要錢(qián)，且很貴），而且還有大量的工具庫(kù)、架構(gòu)，人工智能涉及大量的數(shù)據(jù)計(jì)算，用Python是很自然的，簡(jiǎn)單高效。Python有非常多優(yōu)秀的深度學(xué)習(xí)庫(kù)可用，現(xiàn)在大部分深度學(xué)習(xí)框架都支持Python，不用Python用誰(shuí)？人生苦短，還是Python。

人工智能雖然說(shuō)也提出很長(zhǎng)時(shí)間了，但真正出現(xiàn)在大眾視野剛是近兩年，現(xiàn)在你在大街上走問(wèn)個(gè)人，他們基本都知道人工智能，知道最好的是用python。所以很多人想從事人工智能方面。而在這方面我國(guó)確實(shí)人才緊缺。社會(huì)單位招聘年薪也是幾十萬(wàn)上百萬(wàn)的，十分誘人。

雖然說(shuō)人工智能發(fā)展前景非常好，但是對(duì)從業(yè)者的要求也很高。這是大部分本科生和一些研究生根本達(dá)不到的。你需要了解機(jī)器學(xué)習(xí)算法，自然語(yǔ)言理解，知識(shí)圖譜，圖像與視覺(jué)等領(lǐng)域，還要知道深度學(xué)習(xí)，概率推理，圖模型，強(qiáng)化學(xué)習(xí)，對(duì)抗學(xué)習(xí)等工具的基本原理。寫(xiě)到這里相信很多人都懵了。現(xiàn)在就是最簡(jiǎn)單的高數(shù)的極限和收斂還有幾個(gè)人知道？所以一定要對(duì)自己有個(gè)清晰的認(rèn)識(shí)，沒(méi)人能一口吃成個(gè)胖子。

樓主說(shuō)想自學(xué)人工智能，我也很支持，畢竟發(fā)展前景很好?？梢詮膒ython入手，了解語(yǔ)法和使用。我也相信樓主很喜歡這方面，那平時(shí)就多關(guān)注人工智能方面的動(dòng)態(tài)。了解走向、技術(shù)發(fā)展。如果有條件的話(huà)可以花時(shí)間深入學(xué)習(xí)各個(gè)方面，提升自己。如果條件不允許，那就先找一份python相關(guān)的工作，在工作中熟練使用python，平時(shí)再多花時(shí)間學(xué)習(xí)。python的學(xué)習(xí)資料網(wǎng)上有很多，慕課網(wǎng)、ucloud課堂等等，希望樓主加油努力，早日進(jìn)軍成為人工智能領(lǐng)域的一份子。

我是測(cè)不準(zhǔn)，歡迎關(guān)注，大家一起學(xué)習(xí)交流！^_^

人工智能是門(mén)交叉學(xué)科涉及面太廣，人工智能也分很多種建議挑一個(gè)主攻。

不管哪種，高數(shù)，統(tǒng)計(jì)，線(xiàn)性代數(shù)等是逃不掉的。

其次得有編程功底，建議python 。

心急吃不了熱豆腐，祝成功。

想學(xué)習(xí)人工智能而且還是半路進(jìn)場(chǎng)，一點(diǎn)基礎(chǔ)都沒(méi)有，這個(gè)難度相對(duì)而言很高。人工智能涉及的技術(shù)領(lǐng)域比較廣，其中最基礎(chǔ)是必須要掌握的:

編程語(yǔ)言、數(shù)學(xué)算法、統(tǒng)計(jì)學(xué)這三大類(lèi)是必須要求的。

針對(duì)你這種情況，建議找一個(gè)機(jī)構(gòu)系統(tǒng)培訓(xùn)學(xué)習(xí)。

小白AI之路是個(gè)不錯(cuò)的選擇。由一個(gè)不會(huì)編程的產(chǎn)品經(jīng)理從零開(kāi)始接觸機(jī)器學(xué)習(xí)到上手做項(xiàng)目整個(gè)的自學(xué)過(guò)程。全套資料可私我，大家一起學(xué)習(xí)

其實(shí)人工智能技術(shù)最主要的并不是編程能力，它最主要的就是包括概率統(tǒng)計(jì)理論，矩陣?yán)碚?，以及運(yùn)籌學(xué)等相關(guān)的數(shù)學(xué)知識(shí)，人工智能的研究更偏向理論性邏輯思考和算法調(diào)優(yōu)而不是運(yùn)行代碼。

第一步：熟悉和了解底層數(shù)學(xué)知識(shí)

掌握和了解人工智能技術(shù)底層的數(shù)學(xué)理論支撐，概率論，矩陣，凸優(yōu)化算法的設(shè)計(jì)和原理，包括流優(yōu)化手段SGD，牛頓法等優(yōu)化方法。

第二步：特征工程

python相關(guān)的數(shù)據(jù)預(yù)處理庫(kù)（畢竟python是現(xiàn)在世界第一語(yǔ)言了），原始數(shù)據(jù)特征構(gòu)建，特征選擇，構(gòu)建新的特征值，缺失值的處理等

第三步：機(jī)器學(xué)習(xí)相關(guān)算法

決策樹(shù)與隨機(jī)森林算法，分類(lèi)算法相關(guān)的原理，度量指標(biāo)，算法變種，包括GBDT,ADABoost，集成學(xué)習(xí)模型的原理和算法。

分類(lèi)算法，KNN算法，貝葉斯，SVN等算法相關(guān)的原理。

這些算法最好都對(duì)應(yīng)相關(guān)的案例學(xué)習(xí)，不然光看算法很不容易理解，也可以擴(kuò)展一下回歸相關(guān)的算法，看你要研究和學(xué)習(xí)的方向不同而定

第四步：深度學(xué)習(xí)

學(xué)習(xí)一些最新的深度學(xué)習(xí)框架TensorFlow，Caffe，Theano，BP和PyTorch等。人工智能包括眾多的分支領(lǐng)域，比如大家熟悉的機(jī)器學(xué)習(xí)、自然語(yǔ)言理解和模式識(shí)別等。詳細(xì)的可以參考以下兩個(gè)鏈接：

https://www.qcloud.com/community/article/451090001487836806?fromSource=gwzcw.59305.59305.59305

https://www.qcloud.com/community/article/834521001487836126?fromSource=gwzcw.59306.59306.59306

其實(shí)零編程基礎(chǔ)最主要的就是不要怕，邁出第一步就好了，無(wú)論是自學(xué)（網(wǎng)上現(xiàn)在有很多教學(xué)視頻）還是報(bào)班學(xué)習(xí)（系統(tǒng)學(xué)習(xí)），只要堅(jiān)持下去，都會(huì)有不小的收獲，學(xué)習(xí)一項(xiàng)技能最好的時(shí)候是它剛剛出現(xiàn)的時(shí)候，其次是現(xiàn)在。

更多優(yōu)質(zhì)回答，請(qǐng)持續(xù)關(guān)注鎂客網(wǎng)我們~

我先幫你分析一下行業(yè)待會(huì)給你點(diǎn)資料！

背景

人工智能是個(gè)大趨勢(shì)行業(yè)，最近政府也發(fā)文，未來(lái)幾年的人工智能的戰(zhàn)略，包括ucloud的之江實(shí)驗(yàn)室也落戶(hù)了“ 中國(guó)杭州人工智能小鎮(zhèn) ”這個(gè)小鎮(zhèn)是目前中國(guó)唯一的人工智能項(xiàng)目聚集地！包括百度、中烏，等都在這里有 AI 項(xiàng)目孵化！

上圖是最右邊BAT的人工智能人才數(shù)量

行業(yè)

關(guān)于人工智能行業(yè)人才白皮書(shū)，分析估算，目前，全球AI研究及直接從業(yè)者約有30萬(wàn)人，主要分布在高校、AI新興企業(yè)、科技巨頭以及其他領(lǐng)域。其中，高校約10萬(wàn)人，產(chǎn)業(yè)界約20萬(wàn)人，從上可以看出工智能人才的稀缺

工資

到2017年，人工智能崗位平均招

聘薪資已達(dá) 2.58 萬(wàn)元，遠(yuǎn)高于一般技術(shù)類(lèi)崗位。從薪資分布上看，近八成崗位招聘薪資超 2 萬(wàn)元，五成職

位招聘薪資突破 3 萬(wàn)元，還有 1.9% 的企業(yè)更是開(kāi)出 5 萬(wàn)元以上月薪吸引頂級(jí)人才，而標(biāo)注的月薪還只是薪酬

福利的一部分。我們注意到，幾乎 50% 人工智能崗位的職位描述上會(huì)提到為員工提供股票期權(quán)，部分巨頭

更是會(huì)將解決戶(hù)口作為吸引牛人的重要手段。

建議

看到以上你大概也明白了中國(guó)對(duì)于人工智能人才的緊缺，就這點(diǎn)人才中國(guó)還算是排行世界第二，第一的是美國(guó)，再其次就是日本了，這就說(shuō)明想學(xué)人工智能并不容易，不是沒(méi)有地方學(xué)而是這么專(zhuān)業(yè)的老師很難請(qǐng)到，結(jié)合以上理性的給出幾點(diǎn)建議：

1.在沒(méi)有一定資金的情況下建議先去自學(xué)關(guān)于基礎(chǔ)編程

2.有一定的編程基礎(chǔ)，可以先找個(gè)感興趣的行業(yè)人工智能公司去上班學(xué)習(xí)（創(chuàng)業(yè)型公司，能學(xué)到很多，因?yàn)楹芏鄸|西沒(méi)有一定的規(guī)則）

3.有一定資金可以找一個(gè)專(zhuān)業(yè)的機(jī)構(gòu)系統(tǒng)的從編程開(kāi)始學(xué)習(xí)（資金昂貴，而且現(xiàn)在的人才缺口本身就大，連BAT這樣的公司都要槍人才）

4.最后建議，先了解人工智能，你不了解行業(yè)又怎么知道一定要學(xué)編程呢？人工智能包括一下專(zhuān)業(yè)技術(shù)：

1. 自然語(yǔ)言生成 2. 語(yǔ)音識(shí)別 3. 虛擬代理 4. 機(jī)器學(xué)習(xí)平臺(tái) 5. 針對(duì)人工智能優(yōu)化的硬件 6. 決策管理 7. 生物特征識(shí)別技術(shù) 8. 文本分析和NLP

上圖是人工智能行業(yè)認(rèn)可的資料，里面包括行業(yè)分析白皮書(shū)等等！有興趣可以關(guān)注

“ 中國(guó)杭州人工智能小鎮(zhèn) （hzrgznxz）”可在后臺(tái)回復(fù)“AI”即可獲得關(guān)于人工智能專(zhuān)家的全方位的分析資料！

人工智能不單單依靠于編程基礎(chǔ)，現(xiàn)在有很多人工智能團(tuán)隊(duì)喜歡招收有數(shù)學(xué)背景的人員，如果你對(duì)邁入這個(gè)行業(yè)一無(wú)所知，不妨看一下這張Github上流傳的機(jī)器學(xué)習(xí)路線(xiàn)圖（還有深度學(xué)習(xí)系列），來(lái)看看你應(yīng)該如何準(zhǔn)備。

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域，使計(jì)算機(jī)能夠在沒(méi)有被明確編程的情況下自主學(xué)習(xí)，它探討了從數(shù)據(jù)中學(xué)習(xí)和預(yù)測(cè)的算法研究和構(gòu)建。機(jī)器學(xué)習(xí)的范圍廣泛，跨越數(shù)學(xué)、計(jì)算機(jī)科學(xué)和神經(jīng)科學(xué)等多個(gè)領(lǐng)域。

　　該路線(xiàn)圖也有一個(gè)Jupyter notebook，記載著大部分Data Science步驟，可以在以下鏈接中找到：https：//github.com/dformoso/sklearn-classification，感謝Github用戶(hù)dformoso的分享!

　　數(shù)據(jù)科學(xué)是一個(gè)需要設(shè)計(jì)、實(shí)施和維護(hù)的過(guò)程。部分路線(xiàn)圖如下所示：

　　數(shù)據(jù)部分

　　首先，我們需要一些數(shù)據(jù)，找到數(shù)據(jù)、收集數(shù)據(jù)、清理數(shù)據(jù)等共5步。

　　數(shù)學(xué)部分

　　機(jī)器學(xué)習(xí)是在數(shù)學(xué)基礎(chǔ)上建立起來(lái)的!我們需要了解一些函數(shù)知識(shí)!

　　概念部分

　　類(lèi)別，方法，庫(kù)和方法的部分列表。

　　模型部分

　　最受歡迎的模型抽樣。

　　整個(gè)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)路線(xiàn)圖非常龐大，因此此處無(wú)法提供完整視圖，完整路線(xiàn)圖可到http://wenku.it168.com/d_001728559.shtml和http://wenku.it168.com/d_001728560.shtml中下載或查看!

在開(kāi)玩笑吧？你當(dāng)人工智能就是編程嗎？人工智能核心是算法，要編程，你去一家培訓(xùn)機(jī)構(gòu)就能學(xué)會(huì)，是沒(méi)有門(mén)檻的，人工智能門(mén)檻不是一般的高，至少要數(shù)學(xué)或者計(jì)算機(jī)碩士，否則，跟你談算法，你等于在聽(tīng)天書(shū)。

人工智能技術(shù)什么時(shí)候和編程技術(shù)以及編程語(yǔ)言劃上等號(hào)了？人工智能更多的是解決問(wèn)題的方式和思維方法，是科學(xué)和社會(huì)學(xué)發(fā)展到一定程度融合出的結(jié)果，更是人類(lèi)對(duì)自身和某些領(lǐng)域深入探查到一定深度和廣度后才觸碰到的一些入口。編程其實(shí)是最后對(duì)這些前人智慧和成果的使用，如果真想了解人工智能技術(shù)，反而不能從編程語(yǔ)言入手，而是人工智能發(fā)展史以及相關(guān)的知識(shí)庫(kù)入手，單學(xué)編程語(yǔ)言是沒(méi)辦法入人工智能的門(mén)口的，功夫在門(mén)外。技術(shù)的門(mén)檻之所以高，很多時(shí)候是編程技術(shù)本身，而是所涉及的相關(guān)領(lǐng)域技術(shù)人員能不能深入把握，編程語(yǔ)言的語(yǔ)法解決不了社會(huì)問(wèn)題，只是在某一個(gè)點(diǎn)解決實(shí)現(xiàn)的問(wèn)題。技術(shù)這一行是最體現(xiàn)集體智慧的行當(dāng)，無(wú)數(shù)人的智慧讓這個(gè)領(lǐng)域呈現(xiàn)出今天的輝煌和魅力，向前人致敬，向人類(lèi)智慧致敬！