重磅 ｜ 完备的 AI 学习路线，最详细的资源整理！

　　【导读】

　　本文由知名开源平台、AI技术平台及领域专家联合整理，包括Datawhale、ApacheCN、AI有道及黄海广博士，内容涵盖AI入门基础知识、数据分析挖掘、机器学习、深度学习、强化学习及五大AI理论应用领域：自然语言处理、计算机视觉、推荐系统、风控模型和知识图谱。旨在为你提供从入门到专家必备的学习路线和优质学习资源。

1. 数学

　　数学是学不完的，但入门人工智能领域，只需掌握必要的基础知识。AI的数学基础主要包括高等数学、线性代数、概率论与数理统计三门课程。以下是数学入门的简易文章链接：

• 数学基础：高等数学 链接
• 数学基础：线性代数 链接
• 数学基础：概率论与数理统计 链接

　　机器学习的数学基础资料下载：

• 机器学习的数学基础.docx（中文版，总结高等数学、线性代数、概率论与数理统计三门课的公式）
• 斯坦福大学机器学习的数学基础.pdf（原版英文材料，非常全面）
  下载链接：点击这里 提取码: hktx

2. 统计学

　　入门教材：深入浅出统计学；进阶教材：商务与经济统计。推荐视频：可汗学院统计学。视频链接：点击这里

3. 编程

　　首推Python编程语言入门人工智能领域。Python安装包推荐下载Anaconda，支持Linux、Mac、Windows系统，提供包管理与环境管理功能。下载地址：点击这里 推荐选Anaconda（Python 3.7版本）。IDE推荐使用PyCharm，社区版免费。下载地址：点击这里

　　安装教程及Python入门资料推荐：

• Anaconda+Jupyter notebook+Pycharm：链接
• Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)：链接
• Python入门的资料推荐：链接 提取码: 2bzh；南京大学python视频教程：链接

补充

　　代码规范：链接；numpy练习题：链接；pandas练习题：链接

数据分析的基础书籍

　　《利用python进行数据分析》这本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、Pandas、Matplotlib以及IPython等）高效地解决各式各样的数据分析问题。把代码都运行一次，基本上就能解决数据分析的大部分问题。

特征工程及数据挖掘项目推荐

　　特征工程：链接；数据挖掘项目：链接

公开课推荐

　　吴恩达《Machine Learning》课程是机器学习入门的首选，即便没有扎实的数学基础也能轻松上手。课程主页：点击这里 中文视频：网易云课堂搬运了这门课，并由黄海广等人翻译了中文字幕。链接 中文笔记及作业代码：GitHub链接