人工智能無疑是當今科技屆的熱點領(lǐng)域，各大公司也在大力的投入。深度學習作為其熱門技術(shù)，期間也產(chǎn)生了各種各樣的深度學習智能框架。比如TensorFlow,Caffe,CNTK,Theano等等，其中TensorFlow毋庸置疑的成為了最熱的熱點。那么對于非專業(yè)研究者的開發(fā)人員甚至非開發(fā)人員，我們?nèi)绾稳腴T呢？接下來小編為大家整理了一些深度學習TensorFlow的入門資源。（主要是一些長期教程）

官網(wǎng) https://www.tensorflow.org/

官網(wǎng)無論什么都是入門必看的重點。官網(wǎng)介紹了，如何安裝使用TensorFlow，已經(jīng)TensorFlow的API文檔。里面還包含TensorFlow主要功能的詳細指南。這里就不過多的介紹了

Keras http://keras-cn.readthedocs.io/en/latest/

Keras是一個高層神經(jīng)網(wǎng)絡API，Keras由純Python編寫而成并基Tensorflow、Theano以及CNTK后端。Keras 為支持快速實驗而生，能夠把你的idea迅速轉(zhuǎn)換為結(jié)果，如果你有如下需求，請選擇Keras：

• 簡易和快速的原型設計（keras具有高度模塊化，極簡，和可擴充特性）

• 支持CNN和RNN，或二者的結(jié)合

• 無縫CPU和GPU切換

為什么我會推薦Keras呢，因為從TensorFlow1.0開始，官方已經(jīng)正式在TF中加入了Keras，同時，他的便捷性和簡單性也值得使用。

谷歌機器學習速成課程 https://developers.google.com/machine-learning/crash-course/

這是谷歌推出的機器學習熱愛者的自學指南，包含一系列視頻講座課程、實際案例分析和實踐練習?？梢栽诳匆曨l后，進行一些檢驗，也包含一些代碼的訓練。是一套不存的視頻課程，而且全面支持中文（PS:機器學習生成的中文口音，怪怪的）

Udacity優(yōu)達學城 https://cn.udacity.com/course/deep-learning--ud730

谷歌在Udacity上的深度學習課程，在這里你將透徹理解深度學習，教授你如何訓練和優(yōu)化基本神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡和長期神經(jīng)網(wǎng)絡。解決學習一系列曾經(jīng)以為非常具有挑戰(zhàn)性的新問題，并在你用深度學習方法輕松解決這些問題的過程中更好地了解人工智能的復雜屬性?？傊且惶缀懿诲e教學視頻，包含課后習題。這個教學項目目前是免費的。

莫煩Python https://morvanzhou.github.io/

我在最早接觸Python和深度學習就是在這里，一個喜歡學到什么就分享什么的人，分享過很多python, 機器學習的知識。非常不錯的教學視頻，重點是都是中文的。

廖雪峰 https://www.liaoxuefeng.com/

小白的Python新手教程，具有如下特點：中文，免費，零起點，完整示例，基于最新的Python 3版本。一個非常棒的Python學習網(wǎng)站，TensorFlow最適合的語言自然是Python了，值得學習。

Stanford的CS 20SI課程，專門針對TensorFlow的課程 https://web.stanford.edu/class/cs20si/

斯坦福大學的TensorFlow學習課程，英文的所有一定難度。課程將涵蓋Tensorflow的基本原理和用法。旨在幫助學生理解TensorFlow的圖形計算模型，探索其提供的功能，并學習如何構(gòu)建和構(gòu)建最適合深度學習項目的模型。通過課程，學生將使用TensorFlow構(gòu)建不同復雜度的模型，從簡單的線性/邏輯回歸到卷積神經(jīng)網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡，以解決詞嵌入，翻譯，光學字符識別，強化學習等任務。學生還將學習最佳實踐來構(gòu)建模型并管理研究實驗。

重點！網(wǎng)紅Siraj Raval https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A

這是我最喜歡的一個頻道，Siraj Raval已經(jīng)成為了一位網(wǎng)紅，天成的程序員表演家，技術(shù)達人。他分享了大量的機器學習視頻，風趣而幽默。而且每個視頻下都配了他的Github倉庫，里面有他寫好的代碼。他的視頻風格讓人印象非常深刻。是一個很不錯的學習頻道。

上述只是我列的一些幫助我們?nèi)腴T的教程，是非常入門的。更適合像我們這些沒有太深數(shù)學基礎的程序員和非程序員。以后還會給大家發(fā)一些深度一些的資源，歡迎大家持續(xù)關(guān)注。

剛過去的2017年把人工智能推向了高潮。很多人見證了谷歌團隊的阿爾法狗戰(zhàn)勝了人類一流圍棋手，讓世人見證了科技的魅力，更讓很多人知道了python語言，形成了人工智能熱。

為什么開發(fā)人工智能做好的語言是python呢？其實編程語言沒有最好的，只有最合適的。谷歌的TensorFlow基本上所有的代碼都是C++和Python，其他語言一般只有幾千行 。如果講運行速度的話，用C++，如果講開發(fā)效率，用Python，Java這種高不成低不就的語言搞人工智能那就算了吧。Python雖然是腳本語言，但是因為容易學，迅速成為科學家的工具（MATLAB也能搞科學計算，但是軟件要錢，且很貴），而且還有大量的工具庫、架構(gòu)，人工智能涉及大量的數(shù)據(jù)計算，用Python是很自然的，簡單高效。Python有非常多優(yōu)秀的深度學習庫可用，現(xiàn)在大部分深度學習框架都支持Python，不用Python用誰？人生苦短，還是Python。

人工智能雖然說也提出很長時間了，但真正出現(xiàn)在大眾視野剛是近兩年，現(xiàn)在你在大街上走問個人，他們基本都知道人工智能，知道最好的是用python。所以很多人想從事人工智能方面。而在這方面我國確實人才緊缺。社會單位招聘年薪也是幾十萬上百萬的，十分誘人。

雖然說人工智能發(fā)展前景非常好，但是對從業(yè)者的要求也很高。這是大部分本科生和一些研究生根本達不到的。你需要了解機器學習算法，自然語言理解，知識圖譜，圖像與視覺等領(lǐng)域，還要知道深度學習，概率推理，圖模型，強化學習，對抗學習等工具的基本原理。寫到這里相信很多人都懵了?，F(xiàn)在就是最簡單的高數(shù)的極限和收斂還有幾個人知道？所以一定要對自己有個清晰的認識，沒人能一口吃成個胖子。

樓主說想自學人工智能，我也很支持，畢竟發(fā)展前景很好?？梢詮膒ython入手，了解語法和使用。我也相信樓主很喜歡這方面，那平時就多關(guān)注人工智能方面的動態(tài)。了解走向、技術(shù)發(fā)展。如果有條件的話可以花時間深入學習各個方面，提升自己。如果條件不允許，那就先找一份python相關(guān)的工作，在工作中熟練使用python，平時再多花時間學習。python的學習資料網(wǎng)上有很多，慕課網(wǎng)、ucloud課堂等等，希望樓主加油努力，早日進軍成為人工智能領(lǐng)域的一份子。

我是測不準，歡迎關(guān)注，大家一起學習交流！^_^

人工智能是門交叉學科涉及面太廣，人工智能也分很多種建議挑一個主攻。

不管哪種，高數(shù)，統(tǒng)計，線性代數(shù)等是逃不掉的。

其次得有編程功底，建議python 。

心急吃不了熱豆腐，祝成功。

想學習人工智能而且還是半路進場，一點基礎都沒有，這個難度相對而言很高。人工智能涉及的技術(shù)領(lǐng)域比較廣，其中最基礎是必須要掌握的:

編程語言、數(shù)學算法、統(tǒng)計學這三大類是必須要求的。

針對你這種情況，建議找一個機構(gòu)系統(tǒng)培訓學習。

小白AI之路是個不錯的選擇。由一個不會編程的產(chǎn)品經(jīng)理從零開始接觸機器學習到上手做項目整個的自學過程。全套資料可私我，大家一起學習

其實人工智能技術(shù)最主要的并不是編程能力，它最主要的就是包括概率統(tǒng)計理論，矩陣理論，以及運籌學等相關(guān)的數(shù)學知識，人工智能的研究更偏向理論性邏輯思考和算法調(diào)優(yōu)而不是運行代碼。

第一步：熟悉和了解底層數(shù)學知識

掌握和了解人工智能技術(shù)底層的數(shù)學理論支撐，概率論，矩陣，凸優(yōu)化算法的設計和原理，包括流優(yōu)化手段SGD，牛頓法等優(yōu)化方法。

第二步：特征工程

python相關(guān)的數(shù)據(jù)預處理庫（畢竟python是現(xiàn)在世界第一語言了），原始數(shù)據(jù)特征構(gòu)建，特征選擇，構(gòu)建新的特征值，缺失值的處理等

第三步：機器學習相關(guān)算法

決策樹與隨機森林算法，分類算法相關(guān)的原理，度量指標，算法變種，包括GBDT,ADABoost，集成學習模型的原理和算法。

分類算法，KNN算法，貝葉斯，SVN等算法相關(guān)的原理。

這些算法最好都對應相關(guān)的案例學習，不然光看算法很不容易理解，也可以擴展一下回歸相關(guān)的算法，看你要研究和學習的方向不同而定

第四步：深度學習

學習一些最新的深度學習框架TensorFlow，Caffe，Theano，BP和PyTorch等。人工智能包括眾多的分支領(lǐng)域，比如大家熟悉的機器學習、自然語言理解和模式識別等。詳細的可以參考以下兩個鏈接：

https://www.qcloud.com/community/article/451090001487836806?fromSource=gwzcw.59305.59305.59305

https://www.qcloud.com/community/article/834521001487836126?fromSource=gwzcw.59306.59306.59306

其實零編程基礎最主要的就是不要怕，邁出第一步就好了，無論是自學（網(wǎng)上現(xiàn)在有很多教學視頻）還是報班學習（系統(tǒng)學習），只要堅持下去，都會有不小的收獲，學習一項技能最好的時候是它剛剛出現(xiàn)的時候，其次是現(xiàn)在。

更多優(yōu)質(zhì)回答，請持續(xù)關(guān)注鎂客網(wǎng)我們~

我先幫你分析一下行業(yè)待會給你點資料！

背景

人工智能是個大趨勢行業(yè)，最近政府也發(fā)文，未來幾年的人工智能的戰(zhàn)略，包括ucloud的之江實驗室也落戶了“ 中國杭州人工智能小鎮(zhèn) ”這個小鎮(zhèn)是目前中國唯一的人工智能項目聚集地！包括百度、中烏，等都在這里有 AI 項目孵化！

上圖是最右邊BAT的人工智能人才數(shù)量

行業(yè)

關(guān)于人工智能行業(yè)人才白皮書，分析估算，目前，全球AI研究及直接從業(yè)者約有30萬人，主要分布在高校、AI新興企業(yè)、科技巨頭以及其他領(lǐng)域。其中，高校約10萬人，產(chǎn)業(yè)界約20萬人，從上可以看出工智能人才的稀缺

工資

到2017年，人工智能崗位平均招

聘薪資已達 2.58 萬元，遠高于一般技術(shù)類崗位。從薪資分布上看，近八成崗位招聘薪資超 2 萬元，五成職

位招聘薪資突破 3 萬元，還有 1.9% 的企業(yè)更是開出 5 萬元以上月薪吸引頂級人才，而標注的月薪還只是薪酬

福利的一部分。我們注意到，幾乎 50% 人工智能崗位的職位描述上會提到為員工提供股票期權(quán)，部分巨頭

更是會將解決戶口作為吸引牛人的重要手段。

建議

看到以上你大概也明白了中國對于人工智能人才的緊缺，就這點人才中國還算是排行世界第二，第一的是美國，再其次就是日本了，這就說明想學人工智能并不容易，不是沒有地方學而是這么專業(yè)的老師很難請到，結(jié)合以上理性的給出幾點建議：

1.在沒有一定資金的情況下建議先去自學關(guān)于基礎編程

2.有一定的編程基礎，可以先找個感興趣的行業(yè)人工智能公司去上班學習（創(chuàng)業(yè)型公司，能學到很多，因為很多東西沒有一定的規(guī)則）

3.有一定資金可以找一個專業(yè)的機構(gòu)系統(tǒng)的從編程開始學習（資金昂貴，而且現(xiàn)在的人才缺口本身就大，連BAT這樣的公司都要槍人才）

4.最后建議，先了解人工智能，你不了解行業(yè)又怎么知道一定要學編程呢？人工智能包括一下專業(yè)技術(shù)：

1. 自然語言生成 2. 語音識別 3. 虛擬代理 4. 機器學習平臺 5. 針對人工智能優(yōu)化的硬件 6. 決策管理 7. 生物特征識別技術(shù) 8. 文本分析和NLP

上圖是人工智能行業(yè)認可的資料，里面包括行業(yè)分析白皮書等等！有興趣可以關(guān)注

“ 中國杭州人工智能小鎮(zhèn) （hzrgznxz）”可在后臺回復“AI”即可獲得關(guān)于人工智能專家的全方位的分析資料！

人工智能不單單依靠于編程基礎，現(xiàn)在有很多人工智能團隊喜歡招收有數(shù)學背景的人員，如果你對邁入這個行業(yè)一無所知，不妨看一下這張Github上流傳的機器學習路線圖（還有深度學習系列），來看看你應該如何準備。

機器學習是計算機科學的一個子領(lǐng)域，使計算機能夠在沒有被明確編程的情況下自主學習，它探討了從數(shù)據(jù)中學習和預測的算法研究和構(gòu)建。機器學習的范圍廣泛，跨越數(shù)學、計算機科學和神經(jīng)科學等多個領(lǐng)域。

　　該路線圖也有一個Jupyter notebook，記載著大部分Data Science步驟，可以在以下鏈接中找到：https：//github.com/dformoso/sklearn-classification，感謝Github用戶dformoso的分享!

　　數(shù)據(jù)科學是一個需要設計、實施和維護的過程。部分路線圖如下所示：

　　數(shù)據(jù)部分

　　首先，我們需要一些數(shù)據(jù)，找到數(shù)據(jù)、收集數(shù)據(jù)、清理數(shù)據(jù)等共5步。

　　數(shù)學部分

　　機器學習是在數(shù)學基礎上建立起來的!我們需要了解一些函數(shù)知識!

　　概念部分

　　類別，方法，庫和方法的部分列表。

　　模型部分

　　最受歡迎的模型抽樣。

　　整個機器學習和深度學習路線圖非常龐大，因此此處無法提供完整視圖，完整路線圖可到http://wenku.it168.com/d_001728559.shtml和http://wenku.it168.com/d_001728560.shtml中下載或查看!

在開玩笑吧？你當人工智能就是編程嗎？人工智能核心是算法，要編程，你去一家培訓機構(gòu)就能學會，是沒有門檻的，人工智能門檻不是一般的高，至少要數(shù)學或者計算機碩士，否則，跟你談算法，你等于在聽天書。

人工智能技術(shù)什么時候和編程技術(shù)以及編程語言劃上等號了？人工智能更多的是解決問題的方式和思維方法，是科學和社會學發(fā)展到一定程度融合出的結(jié)果，更是人類對自身和某些領(lǐng)域深入探查到一定深度和廣度后才觸碰到的一些入口。編程其實是最后對這些前人智慧和成果的使用，如果真想了解人工智能技術(shù)，反而不能從編程語言入手，而是人工智能發(fā)展史以及相關(guān)的知識庫入手，單學編程語言是沒辦法入人工智能的門口的，功夫在門外。技術(shù)的門檻之所以高，很多時候是編程技術(shù)本身，而是所涉及的相關(guān)領(lǐng)域技術(shù)人員能不能深入把握，編程語言的語法解決不了社會問題，只是在某一個點解決實現(xiàn)的問題。技術(shù)這一行是最體現(xiàn)集體智慧的行當，無數(shù)人的智慧讓這個領(lǐng)域呈現(xiàn)出今天的輝煌和魅力，向前人致敬，向人類智慧致敬！