注：ctrl+點擊進入超鏈接查看網頁；crtl +k查看超鏈接指向url（部分鏈接請複製打開）。
一、總體學習架構
二、各部分講解及資料
2.1 編程
2.1.1 語言
需要良好的編程能力，重點是python，其次是C++和java，C學過就不提了，經常出現在github裏的lua和新興的julia有餘力者也要看下，最後是現在有點過氣的MATLAB和R。
特別需要注意的是，在線教程是很好的資源，當然書籍也不錯。但編程永遠是以實戰爲上，不是死讀書本，更不是看完了書和教程再寫代碼。此外，學會代碼調試也非常重要。
2.1.2 寫代碼工具
2.1.2.1 IDE
體系化開發，提示全面快捷，但比較笨重。可安裝個性化插件，比如pycharm的Save Actions、Rainbow Brackets、YAPF、Material Theme UI等，安裝方式很容易。
pycharm面向python，IDEA面向Java，Clion面向c和c++，微軟的visual studio萬能但是很笨重。前三者都是jetbrains公司的產品，學生可利用學校的學生郵箱在有效期內申請註冊教育賬號，然後免費使用專業版。
2.1.2.2 文本編輯器
輕巧便捷，萬能開發且自定義，但提示一般不全。可安裝大量個性化插件。
vscode是微軟開源的工具，罕見的微軟良心。
atom很美觀，但是插件安裝需要番羽土嗇。
sublime text很簡潔。
2.1.3 框架
- TensorFlow、torch、keras是深度學習框架。
- sklearn是機器學習框架。
- caffe也是深度學習框架，但主要面向計算機視覺。
- matplotlib是畫圖工具。
安裝指南：
win10系統人工智能框架安裝指南及常見問題解決方案——anaconda、python27、python35、numpy、tensorflow-gpu、matplotlib、caffe及中間的相關插曲
ubuntu系統人工智能框架安裝指南及常見問題解決方案——numpy、sklearn、TensorFlow、opencv、caffe2、caffe及中間的相關插曲
使用指南：
入門推薦莫凡python，深入推薦官網教程，比如TensorFlow、torch、caffe（見參考目錄下“Caffe官方教程中譯本”）、matplotlib。
2.1.4 重要工具
- git是版本控制工具，可以參見廖雪峯的教程。github上有很多有意思的代碼項目，但下載速度較慢。可以從碼雲上引入已有的github項目，通過國內網絡傳輸，下載速度在github十倍之上。
- office是基本的操作。word的排版，excel的公式、ppt的排版都是基礎。對於word和excel需要不會就多學，而且要和同學多交流。此外，有一個很好的馮注龍的ppt教程。
- latex，重要的論文書寫工具，教程見參考目錄下“一份不太簡短的 LaTeX2ε 介紹”。
- 畫圖軟件可用於ppt和文檔中，良好的構圖可以起到極佳的講解作用。Visio是最通用的，processon比較便捷，億圖很漂亮，要花錢買，但也可以破解。
- anaconda是管理多個python的工具，附上使用教程。
- 正則表達式可以從字符串中抓取到需要的部分，另外還有在線驗證正則表達式的網站。
- 數據庫操作的核心是SQL語句，其次需要熟練數據庫與常用語言如python的API接口，最後是數據的管理操作。當然數據庫界面操作工具Navicat是肯定少不了的。
- 爬蟲是獲取數據的重要手段，有一個北理的教程可以快速入門，進階的話需要學習scrapy，以及嘗試在微信公衆號、抖音app這樣的複雜環境下爬蟲。
- 安卓模擬器，比如夜神安卓模擬器，是用來輔助爬蟲的好工具，比如無破解加密的爬取抖音的數據。
- 網絡抓包工具用於分析網絡報文，推薦使用fiddler。
- 多線程操作主要是掌握python的多線程，類似博客很多。
- linux操作系統主要是學習ubuntu系列，16.04或18.04皆可。不用盯着書死看，80%時間下會用的東西其實不到全部的20%，所以要抓重點，不會的再查。常用的操作包括文件操作比如複製移動刪除，權限管理，用戶管理，進程管理，磁盤掛載，apt換源加速下載、pip換源加速下載（windows也可換pip源）等。
- gpu主要是環境搭建（可參照之前的2.1.3 框架一節的兩個鏈接）和查看管理，一般深度學習框架如torch，TensorFlow（直接安裝TensorFlow-GPU即可）已經高度封裝了這些操作，所以比較簡單。當然，沒有gpu一切都是白搭。這是表示gpu性能的天梯圖。
- everything是一款給本地所有文件建立索引的快速查詢工具，迅速查找本機所有文件。
- xmind8是一款極好的思維導圖工具，可以輔助理清ppt、演講、項目等系統的思路。csdn上有破解方法。
- 看paper可能需要標註，福昕編輯器是一個不錯的pdf編輯器。csdn上有破解方法。
- 對linux服務器的操作，可以使用xshell命令行操作，通過winscp傳輸文件。當然，atom、vscode和jetbrains的產品比如pycharm也有遠程同步、執行代碼的操作。
2.2 數學
對數學如何重視都是不足爲過的，AI或者更廣義的計算機，其基礎都是建立在數學的基礎上的。因此務必強化數學的學習。但由於本人的數學基礎有限，無法給出比較全面的介紹，僅將推薦教材列出，並輔助簡單講解。
2.2.1 基礎
微積分、線性代數、概率論、離散數學，跟着學校的教材走就好了。唯一重要的是，課後題都做了，並且認真改錯總結。除此之外，紮實數學基礎別無它法。
2.2.2 進階
2.3 計算機基礎
2.3.1 基礎
課堂的學習是很重要的，比如數據結構與算法、操作系統、計算機網絡和計算機組成成原理這四門計算機核心基礎課程。比起教材，這四門課更重要的是理解，數據結構與算法重點要理清數據結構模型和常用算法原理，操作系統要建立進程調度執行的概念，計算機網絡要建立網絡架構和通信協議的概念，計算機組成原理要建立模型機的靜態組成模型和動態運行過程。教材就學校的教材即可，好好聽課。
2.3.2 進階
2.4 人工智能
本章將機器學習、深度學習和應用三部分的資源進行整合。
從事AI需要一定的數學、計算機、編程和英語能力。
首先，不推薦初學者看周志華的《機器學習》，也就是西瓜書。AI入門需要對機器學習的基礎知識有一個良好的全面認識，不求深，也一定要求廣——既瞭解全局，也爲之後的研究找準感興趣的方向。因此，初學者推薦百面機器學習 算法工程師帶你去面試。
在對基礎知識和基本算法有了基本瞭解後，就需要深入瞭解算法背後的原理，因此，推薦李航的統計學習方法（出第二版了）。對於還不太清楚的數學，可以快速查閱圖像處理中的數學修煉中的相關數學知識。
再之後，可以根據自己的興趣方向瞭解深度學習、強化學習、知識圖譜，或者自己感興趣的具體方向，比如視覺（cs231n）、自然語言處理（cs224n）等。
科研的話，可以瞭解一下各大AI會議。查詢的話，可以利用谷歌學術，谷歌，dblp或者中國知網（校內ip免費下載paper）查找自己感興趣的paper。
至於各種應用，既可以去github上搜項目，也可以去csdn、博客園等網站上看大佬教程。此外，還有一些科研前沿的觀察統計網站，具有極高的價值，常見的比如機器之心，清華的Aminer。還有就是要關注下知乎上的大佬們，指導AI科研學習和數據挖掘競賽等，比如魚遇雨欲語與餘，zibuyu9（清華劉知遠教授）、Ivan Yan等，可以關注一波，看看他們在幹啥，與時俱進，不斷學習。
參考書目百度雲盤地址
鏈接：https://pan.baidu.com/s/1C0ZVDROVD-REuK94_a9n9Q
提取碼：u91f