未来是AI人工智能的时代，关键要比别人先一步知道怎么学？

人工智能就是让机器能够像人类一样思考。通常将人工智能分为弱人工智能和强人工智能，弱人工智能让机器具备观察和感知的能力，可以做到一定程度的理解和推理；而强人工智能让机器获得自适应能力，解决一些之前没有遇到的问题。
机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏，强化学习不同于连接主义学习中的监督学习，主要表现在强化信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价（通常为标量信号），而不是告诉强化学习系统RLS如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。



人工智能的关系图
一、如果一开始就是数学公式证明一堆，估计容易放弃。



二、第一本推荐的书《动手学深度学习 PyTorch》



可以从github上搜索动手深度学习关于这本书，很多资料，经过大家检验。



有关于深度学习的教科书、课程不断问世，让大家能够接触到更丰富的学习资源。但同时也让很多深度学习用户，尤其是初学者，不得不参考不同来源的多种材料，不同材料之间难以对应，反而增加了学习的难度，耗费更多的精力。
权威团队从中文读者角度出发，直接用中文编写图书，并提供中文视频课程，降低了入门学习者的语言门槛。理论与方法全面覆盖，原理+可运行代码+视频课程+社区支持，提供交互式的学习体验。内容全面，条理清晰，从三个方面阐述深度学习：深度学习的概念和技术，现代深度学习技术，计算性能和应用；并考虑小白需求，可用附录回顾基础的数学知识。学术界与工业界通用，既适合学生接触、了解深度学习原理与算法，又适合编程实操，开发工业应用。
三、第二本推荐的书《机器学习方法》作者李航




这本书是学术界和产业界普遍推荐的教材，名气之大，口碑极好。
系统地介绍了统计学习的主要方法，包括监督学习、无监督学习、深度学习的算法。内容全面，覆盖了从基础的线性回归、逻辑回归到复杂的神经网络、集成学习等众多方法，能满足我在学术研究和实际应用中的需求。
采用了通俗易懂的语言，将复杂的统计学习理论和技术讲解得清晰明了，相比很多经典的外文著作，不是特别难啃的那种，学习门槛比较低。
结合实际案例和数据，鼓励读者动手实践。这对于培养我们的实际操作能力和解决实际问题的能力非常有帮助。