零基礎的新手，如何快速入門機器學習和人工智慧？
機器學習的英文名稱叫Machine Learning，簡稱ML，該領域主要研究的是如何使電腦能夠模擬人類的學習行為從而獲得新的知識和技能，並且重新組織已學習到的知識和和技能，使之在應用中能夠不斷完善自身的缺陷與不足。
簡單來說，機器學習就是讓電腦從大量的數據中學習到相關的規律和邏輯，然後利用學習來的規律來預測未來的未知事物。
如何快速入門？如何掌握機器學習與人工智慧的基礎知識。給大家推薦幾款權威的論文和機器學習資料。
UFLDL：非常好的DL基礎教程，由Andrew Ng編寫。有很詳盡的推導，有翻譯，且翻譯品質很高；
Deep learning （paper）：2015年Nature上的論文，由三位深度學習界的大牛所寫，讀完全篇論文，給人高屋建瓴，一覽眾山小的感覺，強烈推薦。如果只能讀一篇論文瞭解深度學習，我推薦此篇。這篇論文有同名的中文翻譯；
Neural networks and deep learning：這本書的作者非常擅長以淺顯的語言表達深刻的道理，雖然沒有翻譯，但是閱讀並不困難；
Recurrent Neural Networks：結合一個實際案例告訴你RNN是什麼，整篇教程學完以後，會讓你對RNN如何產生作用的有很清晰的認識，而這個效果，甚至是讀幾篇相關論文所沒有的。
Neural Networks for Machine Learning：大牛的視角就是與眾不同，看看Hinton對神經網路是怎麼看的，往往會讓你有種“原來如此”的感悟。其實看這門課程也等同於讀論文，因為幾乎每節課的參考資料裏都有論文需要你讀；
CS231n：Convolutional Neural Networks for Visual Recognition：最新的知識，還有詳細的作業。國內應該有團隊對字幕進行了翻譯，網上應該可以找到下載；
PRML：作為一門經典的機器學習書籍，是很有閱讀必要的，會讓你對機器學習擁有一個別樣的觀察視角。
如果你想要深入學習和瞭解一門學科，就要遵循一萬小時定律，也就是說，只有當你在某一學科或領域付出長時間（一萬小時以上）的學習和實踐，才有可能達到了然的狀態。這一點適應於人工智慧，也適用於學習任何其他的學科。
人工智慧/機器學習實踐操作：
實踐出真知，看了那麼多論文學習人工智慧和機器學習，那麼怎麼去檢驗自己的動手和動腦能力呢？
穀歌的AIY 專案（AIY Projects）全稱為 Artificial Intelligence Yourself，意為動手創造你的人工智慧。該專案由 Google 於 2017 年啟動，目標是讓每個 Maker（創客）都可以 DIY 自己的 AI 人工智慧產品。Google 先後在 5 月、12 月份分別推出該專案代表的兩組套件 Voice Kit 和 Vision Kit。
Voice Kit 是 Google 首個推出的 DIY 人工智慧產品。它可借助 Google Assistant SDK 和 Cloud Speech API，將樹莓派轉換為語音數字助理。用戶可在此基礎上創建虛擬語音助手，為自己的專案添加語音交互功能。
Vision Kit 則是 Google 推出的第二彈 DIY 人工產品。它是一套簡單的電腦視覺系統，可運行 3 種基於 TensorFlow 的類神經網路模型應用程式。
Voice Kit使用Google智能助理為您的Raspberry Pi添加語音控制，而Vision Kit則打開圖像識別並向創客們引入了神經網路。它可以檢測千中常見物體，但也可以對您的臉部表情進行檢測，並顯示出您的情緒，比如憤怒、開心等等。Google還為AIY Vision創建了一個工具，允許您使用TensorFlow訓練新模型。 該套件支持Python API以進行基本更改，例如更改按鈕LED的顏色，調整揚聲器音量等。
機器學習正在進步，我們似乎正在不斷接近我們心中的人工智慧目標。語音識別、圖像檢測、機器翻譯、風格遷移等技術已經在我們的實際生活中開始得到了應用，但機器學習的發展仍還在繼續，甚至被認為有可能徹底改變人類文明的發展方向乃至人類自身。
簡單來說，機器學習就是讓電腦從大量的數據中學習到相關的規律和邏輯，然後利用學習來的規律來預測未來的未知事物。
如何快速入門？如何掌握機器學習與人工智慧的基礎知識。給大家推薦幾款權威的論文和機器學習資料。
UFLDL：非常好的DL基礎教程，由Andrew Ng編寫。有很詳盡的推導，有翻譯，且翻譯品質很高；
Deep learning （paper）：2015年Nature上的論文，由三位深度學習界的大牛所寫，讀完全篇論文，給人高屋建瓴，一覽眾山小的感覺，強烈推薦。如果只能讀一篇論文瞭解深度學習，我推薦此篇。這篇論文有同名的中文翻譯；
Neural networks and deep learning：這本書的作者非常擅長以淺顯的語言表達深刻的道理，雖然沒有翻譯，但是閱讀並不困難；
Recurrent Neural Networks：結合一個實際案例告訴你RNN是什麼，整篇教程學完以後，會讓你對RNN如何產生作用的有很清晰的認識，而這個效果，甚至是讀幾篇相關論文所沒有的。
Neural Networks for Machine Learning：大牛的視角就是與眾不同，看看Hinton對神經網路是怎麼看的，往往會讓你有種“原來如此”的感悟。其實看這門課程也等同於讀論文，因為幾乎每節課的參考資料裏都有論文需要你讀；
CS231n：Convolutional Neural Networks for Visual Recognition：最新的知識，還有詳細的作業。國內應該有團隊對字幕進行了翻譯，網上應該可以找到下載；
PRML：作為一門經典的機器學習書籍，是很有閱讀必要的，會讓你對機器學習擁有一個別樣的觀察視角。
如果你想要深入學習和瞭解一門學科，就要遵循一萬小時定律，也就是說，只有當你在某一學科或領域付出長時間（一萬小時以上）的學習和實踐，才有可能達到了然的狀態。這一點適應於人工智慧，也適用於學習任何其他的學科。
人工智慧/機器學習實踐操作：
實踐出真知，看了那麼多論文學習人工智慧和機器學習，那麼怎麼去檢驗自己的動手和動腦能力呢？
穀歌的AIY 專案（AIY Projects）全稱為 Artificial Intelligence Yourself，意為動手創造你的人工智慧。該專案由 Google 於 2017 年啟動，目標是讓每個 Maker（創客）都可以 DIY 自己的 AI 人工智慧產品。Google 先後在 5 月、12 月份分別推出該專案代表的兩組套件 Voice Kit 和 Vision Kit。
Voice Kit 是 Google 首個推出的 DIY 人工智慧產品。它可借助 Google Assistant SDK 和 Cloud Speech API，將樹莓派轉換為語音數字助理。用戶可在此基礎上創建虛擬語音助手，為自己的專案添加語音交互功能。
Vision Kit 則是 Google 推出的第二彈 DIY 人工產品。它是一套簡單的電腦視覺系統，可運行 3 種基於 TensorFlow 的類神經網路模型應用程式。
Voice Kit使用Google智能助理為您的Raspberry Pi添加語音控制，而Vision Kit則打開圖像識別並向創客們引入了神經網路。它可以檢測千中常見物體，但也可以對您的臉部表情進行檢測，並顯示出您的情緒，比如憤怒、開心等等。Google還為AIY Vision創建了一個工具，允許您使用TensorFlow訓練新模型。 該套件支持Python API以進行基本更改，例如更改按鈕LED的顏色，調整揚聲器音量等。
機器學習正在進步，我們似乎正在不斷接近我們心中的人工智慧目標。語音識別、圖像檢測、機器翻譯、風格遷移等技術已經在我們的實際生活中開始得到了應用，但機器學習的發展仍還在繼續，甚至被認為有可能徹底改變人類文明的發展方向乃至人類自身。