如何自学人工智能路径规划（附资源，百分百亲身经验）

下面的每个资源都是我亲身学过的，且是网上公开公认最优质的资源。

下面的每个学习步骤也是我一步步走过来的。希望大家以我为参考，少走弯路。

请大家不要浪费时间找非常多的资料，只看最精华的！

综述，机器学习的自学简单来说分为三个步骤

前期：知识储备包括数学知识，机器学习经典算法知识，编程技术（python）的掌握

中期：算法的代码实现

后期：实战水平提升

机器学习路径规划图

一、数学基础

很多人看到数学知识的时候就望而却步，数学是需要的，但是作为入门水平，对数学的要求没有那么的高。假设你上过大学的数学课（忘了也没事），需要的数学知识啃一啃还是基本能理解下来的。

1.1、数学内容

线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等

统计与概率：概率分布，独立性与贝叶斯，最大似然(MLE)和最大后验估计(MAP)等

优化：线性优化，非线性优化(凸优化/非凸优化)以及其衍生的如梯度下降、牛顿法等

微积分：偏微分，链式法则，矩阵求导等

信息论、数值理论等

上面的看不太懂没事，不是特别难，学习一下就能理解了。

1.2、数学资源

网上有很多人会列举大量大量的课程资源，这是非常不负责任的事，学完那些我头发都得白了。实际上，我们只需要学习其中的一部分就够了。

1.2.1、吴恩达的斯坦福大学机器学习王牌课程CS229，课后就有对学生数学知识的要求和补充，这些数学知识是