0.理解它！

无论是学习什么，你总要知道这几个问题：

a.它是什么？

b.能做什么？

c.有什么用？

d.你要用它做什么？

以是你首先要做的第一步便是——去认识AI。

AI，也便是人工智能，并不仅仅包括机器学习。
曾经，符号与逻辑被认为是人工智能实现的关键，而如今则是基于统计的机器学习霸占了主导地位。

1.工欲善其事，必先利其器

无论学习啥，总要有些趁手的“工具”，才能更好的节制它。

数学：数学在AI的学习中是相称主要的一部分，紧张复习以下科目：①线性代数：矩阵乘法；②高数：求导；③概率论：条件与后验概率。
英文：这就不必多阐明了，现在的翻译软件也不少，让你能更轻松的看懂那些学习材料。
2.机器学习课程

​机器学习的第一门课程建议学习Andrew Ng的机器学习 (Machine Learning - Stanford University | Coursera)。

因难堪度适中，但是内容却又相称丰富，非常适宜初入门的程序员。

除了以上的这门课，还可以去找一些干系的课程进行进阶学习。

3. 实践做项目

当你节制了一定的根本，就须要练练手，理解一下自己的学习进度。
在实战中你更须要去关心如何获取数据，以及怎么调参等。
其余，你还须要选择一个运用方向，是图像（打算机视觉），音频（语音识别），还是文本（自然措辞处理）。

项目做好后，可以开源到到 Github 上面，然后不断完善它。
实战项目做完后，你可以连续进一步深入学习，深度学习或者是连续机器学习；

4. 进阶深度学习/ 机器学习

下面是一些深度学习的资源先容：

UFLDL： 很详尽的推导，有翻译，且翻译质量很高；Deep learning (paper)：论文，居高临下，一览众山小；Neural networks and deep learning：由浅入深；Recurrent Neural Networks： RNN推导初步学习的最佳教程。

下面是机器学习的干系资源：

《机器学习实战》，作者是 Peter Harrington《机器学习》，作者是 周志华