初学者应该如何从零开始学习人工智能
此文是想要进入人工智能这个领域、但不知道从哪里开始的初学者最佳的学习资源列表。机器学习
有关机器学习领域的最佳介绍，请观看Coursera的AndrewNg机器学习课程。它解释了基本概念，并让你很好地理解最重要的算法。
有关ML算法的简要概述，查看这个TutsPlus课程“MachineLearningDistilled”。
“ProgrammingCollectiveIntelligence”这本书是一个很好的资源，可以学习ML算法在Python中的实际实现。它需要你通过许多实践项目，涵盖所有必要的基础。
这些不错的资源你可能也感兴趣:
PererNorvig的UdacityCourseonML（MLUdacity课程）
TomMitchell在卡梅隆大学教授的AnothercourseonML（另一门ML课程）
YouTube上的机器学习教程mathematicalmonk
深度学习
关于深度学习的最佳介绍，我遇到最好的是DeepLearningWithPython。它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。
在Google上也有一个greatintroductoryDLcourse，还有SephenWelch的greatexplanationofneuralnetworks。
之后，为了更深入地了解，这里还有一些有趣的资源：
GeoffreyHinton的coursera课程“NeuralNetworksforMachineLearning”。这门课程会带你了解ANN的经典问题——MNIST字符识别的过程，并将深入解释一切。
MITDeepLearning（深度学习）一书。
UFLDLtutorialbyStanford（斯坦福的UFLDL教程）
deeplearning.net教程
MichaelNielsen的NeuralNetworksandDeepLearning（神经网络和深度学习）一书
SimonO.Haykin的NeuralNetworksandLearningMachines（神经网络和机器学习）一书
人工智能
“ArtificialIntelligence:AModernApproach(AIMA)”（人工智能：现代方法）是关于“守旧派”AI最好的一本书籍。这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。
来自加州大学伯克利分校的ArtificialIntelligencecourse（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。它的讲解相对较深，对初学者来说是非常不错的资源。
大脑如何工作
如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过直观有趣的方式来解释最好的现代理论。
JeffHawkins的OnIntelligence（有声读物）
G?del,Escher,Bach
我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。
其他资源：
RayKurzweil的HowtoCreateaMind（如何创建一个头脑RayKurzweil）(有声读物)。
PrinciplesofNeuralScience（神经科学原理）是我能找到的最好的书，深入NS。它谈论的是核心科学，神经解剖等。非常有趣，但也很长–我还在读它。数学
以下是你开始学习AI需要了解的非常基本的数学概念：
微积分学
KhanAcademyCalculusvideos（可汗学院微积分视频）
MITlecturesonMultivariableCalculus（MIT关于多变量微积分的讲座）
线性代数
KhanAcademyLinearAlgebravideos（可汗学院线性代数视频）
MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT线性代数视频）
CodingtheMatrix?（编码矩阵）–布朗大学线程代数CS课程
概率和统计
可汗学院Probability（概率）与Statistics（统计）视频
edxprobabilitycourse（edx概率课程）
计算机科学
要掌握AI，你要熟悉计算机科学和编程。
如果你刚刚开始，我建议阅读DiveIntoPython3（深入Python3）这本书，你在Python编程中所需要的大部分知识都会提到。
要更深入地了解计算机编程的本质–看这个经典的MITcourse（MIT课程）。这是一门关于lisp和计算机科学的基础的课程，基于CS-结构和计算机程序的解释中最有影响力的书之一。
其他资源
Metacademy?–是你知识的“包管理器”。你可以使用这个伟大的工具来了解你需要学习不同的ML主题的所有先决条件。
kaggle?–机器学习平台
以上就是我的观点，对于这个问题大家是怎么看待的呢？欢迎在下方评论区交流~我是科技领域创作者，十年互联网从业经验，欢迎关注我了解更多科技知识！
人工智能具体涉及哪些领域
人工智能共涉及九大板块，具体包括：
1、核心技术板块（AI芯片、IC、计算机视觉、机器学习、自然语言处理、机器人技术、生物识别技术、人脸识别技术、语音识别、大数据处理等）
2、智能终端板块（VR/AR、人工智能服务平台、家居智能终端、3G/4G智能终端、金融智能终端、移动智能终端、智能终端软件、智能硬件、软件开发平台、应用系统等）
3、智慧教育板块（教育机器人、智慧教育系统、智慧学校、人工智能培训等）
4、智能机器人板块（服务机器人、农业机器人、娱乐机器人、排险救灾机器人、医用机器人、空间机器人、水下机器人、特种机器人等）
5、智慧城市及物联网板块（智慧交通，智能电网，政务大数据应用，公共安全、智慧能源应用，智慧社区、智慧城建，智慧建筑，智慧家居，智慧农业、智慧旅游、智慧办公、智慧娱乐，智慧物流、智慧健康保障、智慧安居服务、智慧文化服务等）
6、智慧医疗板块（医疗影像人工智能、智能辅助诊断提醒/临床决策诊断系统、外科手术机器人、医疗服务机器人、医疗语音识别录入、混合现实技术医疗大数据平台、数据分析系统（BI）、精准医疗等）
7、智能制造板块（智能化生产线、工业机器人、工业物联网、工业配件等）
8、智能汽车板块（汽车电子、车联网、自动驾驶、无人驾驶技术、激光雷达、整车厂商等）
9、智慧生活板块（未来生活模式、智能生活家居、智能家电、3C电子、智能穿戴等）
人工智能与大数据专业怎么样
接楼上刘老师的回答，这确实是个不错的问题。随着近几年人工智能技术和大数据技术的发展，大数据和人工智能在各行各业的落地应用变多，人才需求也变得越来越大，这两个词也逐渐被大众熟知。作为大数据与人工智能领域的一名从业者，下面我分享下我对这两个专业的一些看法。
人工智能专业和大数据专业分别是什么？
1、人工智能专业：
人工智能专业：以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉
这里引用百度百科中的解释，个人感觉说的还是比较全面的。其中几个关键词为机器学习，深度学习、自然语言处理、语音处理、视觉智能，这几个关键词大概覆盖了目前人工智能方向的核心理论和核心应用。其实本阶段的人工智能的核心就是基于机器学习和深度学习的理论，研究自然语言（小冰机器人）、语音（讯飞翻译）、视觉（无人价值、人脸识别）三大大类方向的智能应用。
2、大数据专业
大数据专业在某些学校开设的可能叫数据科学与大数据技术专业，其培养目标为：
旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。具体包括：掌握计算机科学、大数据科学与信息技术的基本理论、方法和技能，受到系统的科学研究训练，具备一定的大数据科学研究能力与数据工程实施的基本能力，掌握大数据工程项目的规划、应用、管理及决策方法，具有大数据工程项目设计、研发和实施能力的复合型、应用型卓越人才。
目前的大数据专业大概可能氛围三个大的方向：
大数据开发方向;所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等；数据挖掘、数据分析和机器学习方向;所涉及的职业岗位为：大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等；大数据运维和云计算方向；对应岗位：大数据运维工程师；
大数据开发可能涉及到如各种云平台（阿里云、腾讯云、华为云）、大数据系统（大数据中台）等的开发；数据挖掘、分析和机器学习方向，主要对大数据进行分析，如广告推荐、视频推荐等等；大数据运维主要是保障大数据平台的稳定和可靠。
这两个专业的前景是怎样的？
两个专业作为近年来的热门专业，肯定是有一定理由的。国家推广、商业应用前景大可能是这两个专业比较火爆的原因之一。
1、“新基建”浪潮，大数据中心、人工智能
最近国家提出“新基建”的七大领域：特高压、新能源汽车充电桩、5G基站建设、大数据中心、人工智能、工业互联网、城际高速铁路和城际轨道交通。其中人工智能和大数据中心都名列其中，可见国家对这两个方向的重视程度。
另外像人工智能技术，早就被国家定义为全民都应该掌握的技术，也是未来有可能超过美国的一个点。
所以从国家层面，这两个专业都是国家未来要着重发展的方向。
2、高实用性、各行业信息化、智能化转变的需要
数据是数字经济的命脉
随着移动互联网和智能终端的普及，基于信息技术的人类日常生产生活繁衍出诸多数据。这些数据成为社会生产者和消费者的行为分析最有效的依据。从信息经济向数字经济转变的过程，就是从人工知识到大数据驱动学习迈进的过程。
数据爆炸时代，将数据科学简单定义就是“从数据中提取有用知识的一系列技能和技术”。为“浩如烟海”的数据提供全强大的计算方式，进行数据管理、系统开发、海量数据分析与挖掘、实现数据价值的“精纯度”，正是大数据专业所要培养的技术核心所在。
我感觉在未来，大数据技术可能是每个行业必备的。而数据也将成为未来企业的巨大的竞争力，谁掌握了数据，谁就更具备优势。
两个专业的关系和关于专业选择的一些建议
大数据智能是人工智能最基础的方向之一，必将推动新一代人工智能的发展。数据科学和大数据，通过建立驱动数据和知识引导的智能计算平台和方法，从数据样本中提取知识构建模型。形成从数据到知识，从知识到智慧的人工智能的进阶之路。因此数据是实现智能的基础，两个专业有所交叉，又各有特色。
一些建议：
从目前各高校开设这两个专业的情况来看，这两个专业还是属于计算机专业的分支，即使成立的单独的学院，师资力量也不一定雄厚。所以，如果国内牛校的计算机专业也不影响具体内容的学习，而计算机专业可能师资和培养计划会更加完善。目前计算机相关的各专业其实都在往这两个专业方向靠近，比如数据库、计算机软件、操作系统等等，都会有大数据-人工智能在本方向的一个更细分的应用作为结合，所以不是说只有读这两个专业才会进这两个专业对应的岗位，夯实基础、学好技能才是最重要的。
回答终于回归到专业领域，哈哈！如果有其他问题也可以关注我或者想我提问！
请动动您发财的双手点赞关注！您的点赞和关注是我最大的动力！