“Programming Collective Intelligence”这本书是一个很好的资源，可以学习 ML 算法在 Python 中的实际实现。 它需要你通过许多实践项目，涵盖所有必要的基础。这些不错的资源你可能也感兴趣:Perer Norvig 的 Udacity Course on ML（ML Udacity 课程）Tom Mitchell 在卡梅隆大学教授的 Another course on ML（另一门ML课程）YouTube上 的机器学习教程 mathematicalmonk深度学习关于深度学习的最佳介绍，我遇到最好的是 Deep Learning With Python。
它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。在Google上也有一个great introductory DL course，还有Sephen Welch的great explanation of neural networks。
之后，为了更深入地了解，这里还有一些有趣的资源：Geoffrey Hinton 的coursera 课程“Neural Networks for Machine Learning”。这门课程会带你了解 ANN 的经典问题——MNIST 字符识别的过程，并将深入解释一切。MIT Deep Learning（深度学习）一书。
UFLDL tutorial by Stanford （斯坦福的 UFLDL 教程）deeplearning.net教程 Michael Nielsen 的 Neural Networks and Deep Learning（神经网络和深度学习）一书Simon O. Haykin 的Neural Networks and Learning Machines （神经网络和机器学习）一书人工智能“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：现代方法） 是关于“守旧派” AI最好的一本书籍。
这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。来自加州大学伯克利分校的 Artificial Intelligence course（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏 ）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。
它的讲解相对较深，对初学者来说是非常不错的资源。大脑如何工作如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过直观有趣的方式来解释最好的现代理论。Jeff Hawkins 的 On Intelligence（有声读物）Gödel, Escher, Bach我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。
其他资源：Ray Kurzweil的 How to Create a Mind （如何创建一个头脑Ray Kurzweil） (有声读物)。Principles of Neural Science （神经科学原理）是我能找到的最好的书，深入NS。 它谈论的是核心科学，神经解剖等。 非常有趣，但也很长 – 我还在读它。
