AI全面入门经典书籍-pytho入门+数学+机器学习+深度学习（tensorflow）一次性打包

百度网盘：https://pan.baidu.com/s/1SShwxxBIHB_rynF_jUjApA

一、内容清单：

1..python入门书籍：
        python基础教程.pdf
        python语言及其应用.pdf
        python语言入门.pdf
        像计算机科学家一样思考python第2版.pdf

        备注：自己找一本精读，其他辅助阅读，会有不一样的效果。
    

2.数学：
        同济高等数学 第六版 上册.pdf    //上册内容基本要求都必须了解，了解的意思是虽然不会回推导，但是要能理解     
        同济高等数学 第六版 下册.pdf    //以最小二乘法为界（包括最小二乘），之前的内容个人觉得必须要理解，特别是三维                                                                     //空间向量部分，是理解线性代数的基础，因为线性代数是将向量推向高维空间后的结果。
        同济高等数学 第六版 习题全解.pdf //如果你考研的话，这个很重要，否者可以暂时略过
        
        线性代数应该这样学.pdf             //掌握基本内容，至于那些是基本内容，请度娘后自己把握
        线性代数（英文）.pdf            
        
        概率论                                 //掌握基本内容，自己把握
        
        数学之美.pdf                        //兴趣型读物
        统计学习方法.pdf                 //兴趣型读物
        
        备注：以上数学书籍不用所有章节都看，但是与AI相关的基础部分必看。
        
  

3.机器学习+深度学习(主要基于tensorflow框架) 
        TensorFlow实战黄文坚（完整）.pdf                       
        
        TensorFlow机器学习实战指南 (智能系统与技术丛书).pdf     //适合与其它tensorflow书籍配合阅读
        
        面向机器智能的TensorFlow实践 (智能系统与技术丛书).pdf  //配合型泛读        
        
        Tensorflow 实战Google深度学习框架.pdf     //非常适合入门时多看几遍           
        
        机器学习_周志华.pdf                                     //可以全面了解机器学习，有难度，建议先从机器学习之集

                                                                               //深度学习开始入门，然后再回过头来看             
        
        深度学习0.5-beta.pdf                                    //深度学习圣书，前两部分本人看了很多遍，最开始硬着头皮看，看了

                                                                              //几遍后你会觉得原来如此，当然前提是得先去补数学，如果连基本的

                                                                              //数学符号都不记的话，那就基本就没戏了。
        
        图像处理、分析与机器视觉.pdf                     //查阅型阅读（根据自己需求来选择性阅读）
        
        21个项目玩转深度学习：基于tensorflow的实现详解.pdf    //tensorflow的完美项目集，非常好，这本书没有免费版，

                                                                                                    //网上的资源都要付费

        Deep-Learning-21-Examples-源代码.zip       //21个项目玩转深度学习的源代码，宝贵程度可想而知
                

二、以上书籍的学习思路：

首先顺便提一下人工智能、机器学习、深度学习的关系：人工智能 包含 机器学习 包含 深度学习。

1.浏览所有书籍的所有内容，先心中有数，如果不自己浏览，就算我告诉你大致情况，也没有什么用，还是要你自己亲身感受  

2.浏览之后，大家心中应该就有了一个大致的概念，接下来就要选择几本来精读，比如数学基础的内容必读，这是理解数学公式的基础，有了数学基础后就可以开始于都不过机器学习方向太大，内容太多，建议先从机器学习子集深度学习入手，因为深度学习是机器学习的方向之一，当深度学习有一定的理解之后，再回过来看机器学习时，你会有不一样的感受。
        
3.对于需要精读的书籍，我建议多看几遍，到底多看几遍合适，由自己衡量，大致的标准就是当你的心中有一种原来如此的感觉时，就可以进入项目代码练习的环节，要不然永远都是眼高手低，代码在书中都有，自己照着敲，基本上最多的问题都在排错上。当然，至于可不可以将代码练习提前，可有自己判断，我这里只是给建议。
    

4.当书中代码都练过后，恭喜你已经有了一定的级别了，此时就可以到网上找项目（比如聊天机器人、图片修复等），自己修改  实现。
      

5.前面步骤完成之后，就可以自己找独立的去实现一个项目了，具体项目请度娘
        
        当然如果允许的话，最好购买相应的人工智能的视频课程，然后配合学习，相信我，不要完全依赖视频，也不要完全依赖书籍，相得益彰的配合好， 一定会事半功倍，当然我建议先以书籍作为最开始的入门比较好，后期视频配合，因为看书更省时间，而视频会让你对从书籍所学的内容补充并加深理解，当然还有一件事情网络了说，学习过程中遇到不懂的名词（名词扫盲很重要）或者难解之处，一定要多度娘，这个很重要。
            

        相信我，如果你真的按照以上流程坚持2~4个月后，完全就会有不一样的感觉，到那时你应该已经入门了，其实如果你以前就有相应的开发经验的话，入门不是难事，如果你能独立完成几个项目的话，我觉得可以去尝试找工作了， 一旦找到工作，基于这个跳板，你就可以走的更远，当然第一份工作薪资多少很是界定，这个要看行价以及你自己的能力和期望了，出入门时建议不要想太多，更应该看到的是以后的发展。

        注意，我们这里讨论的是人工智能的应用开发，与java应用开发属于同一个层次，而不是去实现底层框架结构的开发，这个一般人弄不了，如果是框架结构相关的内容，以上书籍的内容还远远不够，比如java开发，java开发就是学会使用java相关的框架结构，对于应用逻辑进行实现，开发出应用项目，这里总结下各类型开发的特点。
        
        ·底层驱动开发：框架 + 逻辑 + 硬件
        ·java等服务器开发：框架 + 逻辑
        ·人工智能：各类框架（比如tensorflow）+ 逻辑 + 数学   //数学是一个很大门槛