一、通识基础部分
1. 基础理论部分(可选)
书籍 《人工智能:一种现代的方法》 Stuart J.Russell、Peter Norvig
书籍 《人工智能》 马少平
2. 机器学习
视频课 《机器学习》 吴恩达
书籍 《统计学习方法》 李航
书籍 《机器学习》 周志华
视频课 《机器学习/深度学习》 李宏毅
3. 深度学习
视频课 《深度学习》 吴恩达
书籍 《深度学习》 Ian Goodfellow、Yoshua Bengio、Aaron Courville
二、领域知识
计算机视觉
视频课 《计算机视觉》/斯坦福CS231n 李飞飞
书籍 《计算机视觉 模型、学习和推理》 Simon J. D. Prince
视频课 《计算机视觉与深度学习》 鲁鹏
强化学习
视频课 《强化学习》 李宏毅
视频课 《强化学习纲要》 周博磊
视频课 《强化学习的数学原理》 赵世钰
书籍 《强化学习导论》 Richard S. Sutton
视频课 《强化学习》 David Silver
视频课 《深度强化学习》/伯克利CS285 Sergey Levine
多智能体强化学习请自行补充博弈论部分知识
以上清单仅供参考
列出以上清单并不代表笔者完全看过了所有内容,仅做参考推荐。
对于系统学习知识,笔者偏好喜欢先看视频,再看书籍,以避免书籍中的知识过于晦涩难懂,而导致失去学习兴趣。如果您有不同的偏好,可自行安排学习顺序。
此外,推荐每个阶段先看一部分内容,而后进入下一阶段。例如看完机器学习部分吴恩达老师的《机器学习》视频课程后,可紧接着深度学习部分吴恩达老师的《深度学习》视频课程,接着进入计算机视觉部分,亦或是强化学习部分。如果有必要,完成一轮后可回过头来看机器学习部分的《统计学习方法》书籍等其他内容,再次重复一轮学习,可能会有新的感悟。
// 全文完
因笔者能力有限,若文章内容存在错误或不恰当之处,欢迎留言、私信批评指正。
Email:YePeanut[at]foxmail.com