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！
什么是人工智能，想学习人工智能该从哪里开始
人工智能是我的研究方向之一，我目前也在从事关于智能诊疗方面的落地研究，所以我来回答一下这个问题。
人工智能的概念涉及到的内容太广泛了，至今为止也没有一个比较确切的定义，但是人工智能研究的内容主要集中在六个领域，分别是自然语言处理、知识表示、推理、机器学习、计算机视觉和机器人学。
我是从研究大数据开始的，然后进入人工智能领域，所以我进入人工智能领域的切入点是机器学习。伴随着大数据的发展，大量的有效数据被采集，这为机器学习提供了重要的基础，从而让机器学习的发展进入到了一个前所未有的阶段。机器学习的关键点就在于数据的收集、整理，然后才是算法的设计与训练，只有大量的数据样本不断的训练才能让系统更加的智能化、合理化。所以大数据是机器学习的一个重要基础。
以我的经验来看，从大数据切入到机器学习进而打开人工智能的大门是比较优雅的方式，目前是大数据时代，所以从大数据开始进入人工智能是比较方便的方式。
我的研究方向是大数据和人工智能，我在头条上也陆续写了一些这方面的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。
如果你有大数据、人工智能方面的问题，也可以咨询我。
谢谢！
没有科研经历，如何考人工智能方向的研究生
作为一名研究生导师，我来回答一下这个问题。
首先，如果要考人工智能相关方向的硕士研究生，即使没有科研经历也是可以考的，而且按照历史经验来看，即使没有任何科研经历也能够考研成功。实际上，对于普通高校的本科生来说，由于高校教育资源整合能力上的差异，不少本科生都没有机会参与到课题组中，自然也就很难会积累科研经验，这也是比较常见的事情。
当前人工智能方向的人才培养依然以研究生教育为主，在当前人工智能大热的背景下，人工智能人才的缺口也相对比较大，所以当前读人工智能方向的研究生是不错的选择，未来的就业空间也相对比较大。从近些年人工智能方向研究生的就业情况来看，大部分毕业生在毕业时都有较多的选择，而且薪资待遇也比较可观。
从近些年研究生最终的就业情况来看，更多的毕业生比较愿意选择大型科技公司和互联网公司，一方面这些大厂的资源整合能力比较强，能够为毕业生提供更好的研发环境，另一方面这些大厂的发展空间也比较大，可以在岗位上不断获得提升。
对于准备考研的学生来说，是否有过科研经验主要会影响考研复试阶段的表现，对于这部分没有科研经验的考生来说，在复试的过程中，应该在三个方面做好准备，其一是认真准备复试的笔试部分，笔试部分一定要争取多拿分，而且一定不能出现任何的不及格现象，因为不少学校会有相应的规定，一旦有不及格现象会马上被淘汰；其二是注重上机考核，上机考核所占的比重也是比较大的，这部分内容应该重点加强；其三是注重丰富自身的知识面。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！