技术浪潮一波又一波，目前最汹涌的非AI莫属，无数小白迷离着双眼，准备学习一波，又不知从何入手。本人去年以身犯险，虽死磕未果，但初窥门径，分享一些心得，供纯小白入门使用。
首先AI对数学基础要求比较高，微积分、线性代数、概率与统计，缺一不可。其次需要有一定的编程能力，Python或R至少得会一种。然后AI本身还有一大堆的理论和算法需要学习。最后不要以为理论都会了就算入门了，实践才是最重要的。
数学、编程、理论、实践，每一个阶段都像一座大山，需要你去一座座的翻越，而在翻山的过程中有一个隐藏的BOSS始终伴你左右，随时准备把你击溃。这个BOSS就是小白入门AI时最最最需要克服的困难——挫败感。对于小白来说，AI学习是个漫长枯燥又极其困难的过程，尤其死磕算法的时候，稍有不慎，疲惫和挫败感就会把你击倒，一蹶不振，甚至放弃整个学习计划。
给自己创造一个好的学习环境是非常重要的。如果能有人教你，一步一步的给与指导，并且可以随时解答问题，那么不用往下看了，你已经身在天堂。如果能有人回答你的问题，哪怕不是随时，那都是天大的优势，请好好珍惜。如果能有个伴一起学习，有问题可以讨论，有经验可以交流，哪怕只是相互督促鼓励一下，那都是极好的。这些都可以有效的避免挫败感。
最怕的就是一个人孤军奋战，孤立无援，那挫败感来了，一打一个准。我就是这种情况，几次学习，几度放下。经过几次的反复，血和泪总结出的经验，切忌死磕。尤其是数学和算法这东西，不明白就是不明白，怎么想都没用，这种情况下死磕，大概率是自寻死路。比如，SVM我至少学了三次，每次都是因为数学卡住，死磕了几天便厌学放弃了。然后等那股挫败感慢慢消逝，再重新学习，之前的坎竟然神奇的一跃而过，从不明白到明白，只差中间一段时间的休息和一颗平和的心。
想想我们学习物理的时候，各种定理定律，大部分都不会证明，还不一样拿起来就用。在学习AI的过程中同样会遇到大量的证明，懂不懂随缘，懂了更好，不懂就直接记结论，不影响学习效果。我们的目的是入门，不是一上来就成为专家。
我个人总结的入门心法，快乐学习，不懂就问，切忌死磕，劳逸结合，遇到坎了便在心中默念，可保取得真经。
下面奉上一份切实可行的学习计划，本人亲身验证，稳！
先导课程
微积分：麻省理工学院公开课：微积分重点
线性代数：麻省理工学院公开课：线性代数 & 习题课
概率：可汗学院公开课：概率
统计：可汗学院公开课：统计学
都是视频课程，特点就是没那么枯燥，但是学起来非常慢，所以有基础的话可以挑着看。有书的可以看看书，大学学过的话，捡起来会非常快。Gilbert Strang老先生讲的是真的好，遥想当年要是能遇见这样的老师，感叹中国教育任重而道远。可汗学院讲的非常通俗易懂，一个知识点一节课，短小精悍，适合零基础，缺点是有点墨迹，反正我是跳着看且没看完的。
不必纠结于我推荐的课程，找到适合自己的最重要，把相关的知识点学到了就可以了，这个阶段主要是熟悉，为后面的理论学习奠定基础。
基础课程
斯坦福大学Andrew Ng：斯坦福大学公开课：机器学习课程 & 课程大纲
台湾大学林轩田：机器学习基石 & 机器学习技法
周志华：机器学习（西瓜书）
李航：统计学习方法
Andrew Ng可以算的上机器学习界的网红了，无数人都是从他的课程入门的。个人感觉这个课程讲的不是很细致，因为人家默认你的先导课程已经掌握的很好了，所以很多东西要结合讲义仔细推敲。其实最大的问题还是在于英文授课，并且字幕捉急啊。我推荐的是网易的版本，存在这些问题，可以试试coursera的版本，应该会好些。
我主要学习的是Andrew Ng的课程，并且断断续续的学习了很多遍，最终也没有学完。直到我遇见了林轩田老师的课程，中文授课，简直一股清流。由于我遇见的时间已经比较晚了，大部分都学过了，所以只是简单的学了几课，感觉非常好，强烈推荐。如果再让我选一次的话，我会从这个课程入手，毕竟母语的优势是无法比拟的。
推荐的两本书都是必备的，建议作为参考书，遇到问题翻一翻，相互对照，可以加深理解。直接用西瓜书入门也可以，缺点就是比较枯燥，没有视频那么生动。还是那句话，选适合自己的方式。
编程课程
Dataquest就是锻炼动手能力的，建议买个基础课程，29刀/月。有编程基础的，每天晚上突击一个月就可以了，该会的都会学到，基础不好的可能要多花些时间。千万别不舍得花钱，我告诉你绝对值！
Dataquest所有的内容都是在线的基于浏览器的，如果想在自己电脑上练练手，推荐Anaconda，一站式，All in One，好用，省心！
实践课程
kaggle是一个神奇的网站，维基百科了解一下。对于小白来说，直接参赛难度有点大，但是由于Kernels都是公开的，模仿学习一下还是非常愉快的。这里推荐一个专供新手入门的比赛Titanic: Machine Learning from Disaster，其中得票最多的Exploring Survival on the Titanic。这个Kernel是用R语言写的，思路清晰内容详细，需要做什么、怎么做、为什么要这么做，一步一步带着你解决问题。我推荐用Python原封不动的重写一遍，完美巩固之前学习的知识，加深理解。
最后，其实这是一篇机器学习入门，那标题为什么要写AI入门呢？一方面，他们同宗同源，机器学习入门了，AI也就入门了。另一方面，机器学习这么土，写AI才会有人看嘛，木哈哈哈哈……
