自學當然是可行的！如果你是人工智能領域的零基礎小白，可以看看這份學習計劃，部分附資源鏈接，除了書籍，配合一些視頻學習效果會更好哦。

一、人工智能

書籍：“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：一種現(xiàn)代方法）

不可多得的綜合性書籍，總體概述了人工智能領域，幾乎涵蓋新手需要了解的所有基本概念。

視頻：

https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/

Artificial Intelligence course（人工智能課程）系列視頻講座，通過訓練AI玩游戲這類趣味實踐來介紹基本知識，如果視頻太快跟不上，可以配合從上面這本書（現(xiàn)代方法）中尋找相關概念。

二、機器學習（計算機科學和統(tǒng)計學的交叉學科）

視頻：

機器學習基礎薄弱的，可以先去TutsPlus課程“Machine Learning Distilled”看一下相關概念簡述，Coursera上的Andrew Ng機器學習課程，也有基本概念的解釋，還介紹了大部分重要的算法。

（https://www.coursera.org/learn/machine-learning/）

對ML算法了解不夠的，可以配合以下教學視頻進行理解

TutsPlus的“Machine Learning Distilled”（簡要概述）

Perer Norvig 的Udacity Course on ML（ML Udacity 課程）

Tom Mitchell 的 Another course on ML

書籍：集體智慧編程（Programming Collective Intelligence）

ML算法在Python中的實踐，大量基礎性的實例，講述生動，很適合入門學者，培養(yǎng)興趣的同時又開拓視野，讓你不想懂都難！

三、深度學習（是機器學習里最近比較火的一個子集）

DL基礎方面的準備工作：

Google上的great introductory DL cources

Sephen Welch的great explanation of neural networks

書籍：

Deep Learning With Python（可自行度盤下載https://pan.baidu.com/s/1kUThYHT）

介紹DL應用程序中的最先進成果，深入淺出，帶領新手快速開始構建基礎并且接觸實踐案例，包含Keras、TensorFlow時下最先進的工具。

Neural Networks and Deep Learning（神經(jīng)網(wǎng)絡與深度學習）

（可自行度盤下載https://pan.baidu.com/s/1miLerZM）

新手友好，作者在數(shù)學密集的區(qū)域都有標注提示。MNIST手寫數(shù)字的識別問題貫穿全書，每個模型以及改進都有詳細注釋的代碼。

最后，記得關注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！