“任何人都可以编码”，我知道这句话听起来很陈词滥调，所以让我再给你一个 “任何人都可以学习AI”。好吧，除非您不是博士学位或疯狂的科学家，否则这听起来是令人难以置信的。但是请相信我，无论您是程序员还是非程序员，在本文结尾处，您都将了解按顺序学习AI的途径和最佳资源。在开始之前，我只想弄清楚AI是一个广阔的领域，它本身包括诸如机器学习，深度学习，强化学习，自然语言处理等子领域。老实说，人工智能就像海洋，其子领域就像海洋里的生物，因此除非您要学的是超人类人工智能，如果要学习日常人工智能也是有可能的。因此，在进行了足够多交谈之后，我们开始。

　　1.这是CS50(哈佛大学)

如果您是对编程完全陌生的非程序员，或者认为编程很难或不适合您的人，那么本课程是最好的起点。它将涵盖编程和计算机科学的基础知识或核心内容。该课程由大卫·马兰教授(David J. Malan)教授，他本质上具有超强的活力和活力。如果您没有时间观看整个课程，那么至少要观看第一堂课。如果您已经了解编程的基础知识，则可以跳过本课程。

　　2.Python编程课程(freeCodeCamp)

在AI和机器学习领域的编程方面，Python是您大多数时候都会听到的语言，我的意思是它是增长最快的编程语言之一，拥有大量专门用于该领域的库，这将使从长远来看，您的生活会更轻松。关于Python最好的部分是，它非常简单。

上面的课程为4½小时，涵盖了安装，变量，字符串，列表，元组，函数，面向对象的编程概念等主题。顺便说一句，这门课程实际上是实用的。如果您已经了解Python编程，则可以跳过本课程。

　　3.所有人的人工智能(Coursera)

现在，这是您的AI旅程真正开始的部分。该课程本质上是理论性的，由整个AI和机器学习行业中最著名的人Andrew Ng教授教授。我的意思是说，任何在AI领域有一定知识的人都最了解他。关于本课程的最好之处在于，它简短，简洁，有趣，并且通常对具有或不具有有关AI或编程知识的任何人都可以理解。

这门课程很好地回答了一些常见但有趣的问题，例如：

(1)什么是AI和机器学习？

(2)是什么让AI公司成立？

(3)机器学习可以或不能做什么？

(4)如何选择机器学习或AI项目？

(5)机器学习项目的工作流程是什么？

(6)歧视/偏见，对AI的对抗性攻击；

(7)人工智能和工作等等;还有很多，这里就不一一举例说明了。

学习AI和机器学习时最容易想到的重要问题之一是：

我们应该深入了解算法的内部工作还是应该在现有的机器学习或深度学习平台的帮助下通过实施来肤浅地学习算法

例如：我应该从头开始实施人工神经网络(流行的深度学习算法之一)还是使用Tensorflow或Pytorch之类的现有平台。

我建议您在使用任何外部库实施所有算法之前，先学习所有算法的内部工作原理，但最终由您决定。

　　4.斯坦福大学(库塞拉)提供的机器学习

这是其中最受欢迎的机器学习课程之一，由吴安德教授教授。在撰写本文时，已有310万人参加了该课程。

这门课程最好的部分是，它是机器学习中最深入的课程之一，它敢于教授算法的内部工作原理及其背后的数学知识。

本课程使用Octave / Matlab对算法进行编码，但是我强烈建议您使用Python编码这些算法，因为这是行业标准。

　　5.机器学习教程(代码基础)

因此，在上一门课程中从头开始实施这些算法后，或者您不熟悉与机器学习相关的数学知识之后，这就是适合您的课程。

这是YouTube上最好，最被低估的课程。关于本课程的最佳部分是易于理解的解释。在本课程中，使用numpy，pandas，matplotlib和sklearn之类的库来实现和可视化各种机器学习算法。使用上述外部库，您可以在几行代码中轻松实现这些算法。

除了涵盖所有标准的机器学习算法(例如线性回归，逻辑回归，决策树，随机森林，支持向量机(SVM)，K均值聚类和朴素贝叶斯算法)之外，它还涵盖了诸如梯度下降，保存模型，虚拟变量和一种热编码等

因此，在您熟悉机器学习之后，现在该学习深度学习了，这是机器学习的一个子领域。深度学习算法是一种驱动Netflix，Amazon，YouTube和众多大型公司，初创公司的推荐和个性化系统的算法。

　　6.深度学习专业(Coursera)

这是Coursera的专业课程，由吴安德教授教授，包括5门课程。

(1)神经网络与深度学习

(2)改善深度神经网络：超参数调整，正则化和优化

(3)构建机器学习项目

(4)卷积神经网络

(5)序列模型

关于此专业的最好的部分是其深入的材料，这些讲座涵盖了有关算法和技术的技术和数学部分。Python用于编码这些算法。

Tensorflow和Pytorch是开源的深度学习框架，在AI的整个领域中占主导地位。Tensorflow得到了Google的支持，而Pytorch得到了Facebook的支持。

基于流行度和下载量，Tensorflow占据上风，但在AI研究社区中，他们强烈支持Pytorch。因此，取决于您要选择哪个框架或平台。我建议尝试将它们都尝试一下，看看哪种最适合您。

　　7.实践专业化中的Tensorflow(Coursera)

像Coursera上的其他专业课程一样，它包含4个课程。

(1)TensorFlow的人工智能，机器学习和深度学习简介

(2)TensorFlow中的卷积神经网络

(3)TensorFlow中的自然语言处理

(4)序列，时间序列和预测

这些课程易于掌握，本质上非常实用。由Google的AI倡导者Laurence Moroney讲授。在这里，您将使用Tensorflow构建实际的应用程序。

8.Pytorch教程(Pytorch官方网站)

如果您想学习Pytorch框架，那么没有比这更好的地方了，那就是拥有自己的网站。他们的教程分为几个小部分，涵盖了Pytorch的大部分基本部分以及如何使用它来实现不同的深度学习模块。

老实说，完成上述所有课程将花费大量时间，因此这取决于您和您的需求。最后，我只想说：“ 任何人都可以学习AI，每个人都应该学习AI， 因为AI是下一次工业革命。”想了解更多关于机器学习和人工智能的信息，请继续关注中培教育。