當我啃完了andrew ng（吳恩達教授）的機器學習以及deeplearn.ai課程之後，頓時神清
氣爽覺得自己已經踏上了人工智慧這條道上，也不再是菜鳥了最起碼已經入門了。於是我決定挑戰一下kaggle，
胡亂的瀏覽了一番，發現自己懵逼了，看著題目不知從何下手。於是我看別人的**學不了解的機器學習框架，
堅持了幾天異常的疲憊，毫無進展，迷茫感讓後難以繼續堅持下去！
以下是我看知乎上有一遍介紹如何自學人工智慧，分享給大家，不喜勿噴：
人工智慧學習之路
1人工智慧基礎 高等數學必須會 資料分析 概率倫 gai lv lun 線性代數及矩陣 凸優化 tu you hua 微積分 wei ji feng 古典模型 逼近輪 牛頓法 梯度下降 python 高階應用 容器 容器淺拷貝和深拷貝 高階函式 lambda表示式 約瑟夫環問題 模組和高階包 時間庫...
走向人工智慧大神之路
階段2 試題知識點自動標註 第8周 第14周 cv課程大綱 階段3 數學公式自動識別 第17周 第23周 加v領取資料 加v備註 後廠ai 詞向量與文字表徵 詞向量的基本原理 nagative sampling hierarchical softmax 等優化方法 文字高階表徵方法 詞向量的高階用法...
人工智慧簡史 人工智慧簡史
人工智慧簡史 在人工智慧的早期，計算機科學家試圖在計算機中重建人類思維的各個方面。這就是科幻 中的智力型別，即或多或少像我們一樣思考的機器。毫無疑問，這種型別的智慧型稱為可理解性。具有可理解性的計算機可用於探索我們如何推理，學習，判斷，感知和執行腦力活動。可懂度的早期研究集中於在計算機中對現實世界和...