AI 学习路线

一、基础知识

数学

数学基础：高等数学、线性代数、概率论与数理统计
对于算法本身而言，额外需要数值分析等相关课程，学过更佳，不想学可以边看边查也可以。

编程

python
推荐 IDE：pycharm、jupyter
pycharm 适合看源码、debug，大型项目推荐
jupyter 适合可视化，代码分块执行。

二、数据分析、挖掘

推荐书籍：《利用 python 进行数据分析》、《特征工程》、《python 数据分析与挖掘实战》
常用库：numpy、pandas、sklearn
B 站：菜菜视频讲解不错，包括下面的机器学习，网盘自提
链接：https://pan.baidu.com/s/1O3Dz-qyJNBIx9_EvFbXP6w
提取码：8i3q

三、机器学习

周志华《机器学习》

四、深度学习

配合《深度学习》（花书）一起看。
学习好 tensorflow、keras、pytorch
多做项目，看源码。

五、总结

后面根据自己方向进行选择性的学习。
这一篇论文阅读路线图，可以直接下载原论文：https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap