选择好方向和学习资源简单的方法ai充当一个大类，不属于到很多子方向，和机器学习，深度学习，计算机视觉，自然语言处理，机器翻译，语音技术，多媒体技术，机器人技术等。刚刚入门的话，见意是可以从具体的小项目拿定主意，先对ai相关的算法有个直观感受。
其中几个也很好的课程合适没基础：
吴恩达老师的机器学习：
吴恩达老师的深度学习：
（网易云课堂中文版）
斯坦福的深度学习课程：
geoffreye.hinton教授的课程：
深度学习大神yoshuabengio的deeplearningbook，现在早就有中文翻译版本：
学习路线当你对某个子方向比如说机器学习（ml）、计算机视觉(cv)或自然语言处理（nlp）比较感兴趣后，就是可以渐渐地探索写作一些paper；如果你是一些基础功底是不可或缺的的，除开编程基础（python，c）、数学基础（矩阵可以计算，概率统计等）、数字图像处理等；最后是做实验的框架，可以不先选用天然较容易上手的keras。tensorflow、pytorch和caffe也主流的实验和开发框架，具备极为强大的开发和讨论社区。诸如在github上编程也可以理论方面都可以首页问题来求教。
学习环境要才能学好ai，这样的话好的环境也不可少的，包括你的硬件设施，你选好的导师，组建好的研究小组，多和别人讨论。要知道独学而无友，则孤陋而见识短。那样的话你的提升就会比较快，也可以不少走一些弯路。
去申请实习要掌握过硬的本领，那现在就要在实际中（.例如工业界）参与检验和锻炼。是可以再申请都很牛的公司实习岗位，国内三巨头在内人工智能方面的独角兽企业都可以不，这些公司像是会有大量的数据和丰富的资源来实现程序你的想法，利人利已嘛！
文末彩蛋易学智能始终致力于减少人工智能的学习门槛和应用门槛，对人工智能的初学者、业内人士都各马上准备了丰盛的知识大餐，涵盖教育干货分享、技能培训、开发环境租赁等。多谢了大家查哈易学智能头条号并来撩。
推荐一些工程师没限制的学习方法~
工具要的很熟练：在排查问题和写代码上，如果不是你1个小时没有办法尝试一种方法，别人却能接触10次，那你别人应该是比你牛。天下武功一招鲜，吃遍天，你后续写demo、查问题、工具的熟练程度都会确定你学和尝试新事物的速度。
读书好看文档：学还必须系统化。并非是单靠看一篇文章就能清楚原理。
视频去学习：视频有一些文字表达不了的功能：图书中只会贴一段代码，而视频中这些代码是必须键入的，过了一会儿你会发觉作者很多的黑科技也可以黑技巧，你也能去学习到。如react入门书籍中，好象只会只能证明也可以引用redux，而教学视频中，会先打开填写的网站，给你简要概括一些重点特性。同时图书中一些比较很容易忽视的东西，在视频中肯定会被很好地补充。但是很多的视频制作者，本身是充斥框架和技术的开发团队，而不是第三方的图书作者，所以才新鲜度和技巧性都更加明显。
技术新闻，twitter上技术大牛可以参加技术大会：前面可以介绍的图书、文档和视频教学，让我们也可以清楚和进入到某一项技术，去对付工作应该要没有问题。但如果不是要紧跟潮流，某些灵感，肯定还需要关注一些技术新闻，watchingtwitter上的技术大牛。——雷卷
只希望对你有帮助~
.jpg)
