终于找到了！AI学习路线图——从零基础到就业( 二 ) 导读：极简可行

正反馈
，才能持续地学下去。人工智能入门用Python你肯定知道，推荐
《Python程序设计：人工智能案例实践》
，这是结合AI实例入门Python非常好的一本。即使你将来成为机器学习工程师后，也能把这本书放在手边备查。

文章图片
《Python程序设计：人工智能案例实践》
作者：保罗·戴特尔
推荐语：
极简入门Python和AI ，读这一本就够了！538个实例帮你掌握交互式IPython解释器和JupyterNotebook并应用Python实践人工智能项目。
掌握了基本的Python语法后，就可以实践机器学习了，推荐2本“四大名著”足矣。
特别是豆瓣满分的蜥蜴书。
推荐理由可以看这篇文章：为什么“蜥蜴书”是机器学习入门必读书？

文章图片
《机器学习实战》
作者：奥雷利安·杰龙
推荐语：
“美亚”人工智能畅销榜首图书，基于TensorFlow2全面升级，内容增加近一倍！Keras之父鼎力推荐，从实践出发，手把手教你从零开始搭建起一个神经网络。

文章图片
《Python机器学习》
作者：塞巴斯蒂安·拉施卡
推荐语：
深度学习“四大名著”之一、美亚畅销书全新升级，《ACM计算评论》年度最佳奖图书， Python机器学习入门教程。
“四大名著”绝非浪得虚名，到你入门进阶之后，会更加领会这2本书的价值。
上述4本书在手，
你的零基础入门之路可以说是无死角了
，你只需要踏下心来，按书中的内容按部就班动手做，切记，一定要动手实践！
第二阶段：基础进阶（3-6个月）
熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

文章图片
这一阶段，还可以继续实践2本“四大名著” 。在遇到一些新概念时，需要提升数学基础，此时推荐阅读
《机器学习算法》
和
《机器学习中的概率统计：Python语言描述》
来集中理解机器学习中的数学和算法。

文章图片

文章图片
《机器学习算法》
作者：安柯·莫特拉
推荐语：
麻省理工学院“机器学习算法”课程教材，介绍可解释的机器学习，探索理论计算机科学和机器学习这两个领域能够互相借鉴的知识。

文章图片
《机器学习中的概率统计》
作者：张雨萌
推荐语：
GitChat畅销专栏全面升级！系统讲解机器学习中的概率统计核心知识和计算技巧，利用Python工具和典型案例，帮你高效构建机器学习概率统计理论与实践体系。
此时，你可以进入“深水区”了，深度学习理论入门只看这本“蒲公英书”就够了，配套素材非常丰富，内容也绝对够新，让你形成系统的知识脉络。

文章图片
《神经网络与深度学习》
作者：邱锡鹏
推荐语：