未來是一個AI的時代嗎？很有可能是的，幾乎每天都能看到AI相關的新聞，你會不會也有一種想要鑽研AI，製造下一個AlphaGo的衝動？
可是學習AI說難不算特別難，但是說簡單也絕不簡單，尤其是對於初學者來說，更是容易有種無從下手的感覺。上個星期，AI科技評論急大家之所急，爲大家準備了幾份非常精彩的AI入門教程，爲你全方位無死角的揭開目前AI最火熱的機器學習方法背後的奧祕：
想了解機器學習？你需要知道的十個基礎算法
樸素貝葉斯分類
機器學習的本質是什麼？其實就是連續的概率選擇和調參，但到底是怎麼個調法？神經網絡到底是基於哪些函數建立而成？這篇文章詳細的解釋了這些問題。文中列出了監督學習、無監督學習和強化學習三大類中的十種神經網絡類型，並簡要介紹了它們各自的原理、適用的場景、運算的優勢等內容。當你思考一個新的項目需求該用何種算法來實現纔是最方便快速的，這篇文章可以給你一些啓發。對於初學者來說，這也是一個瞭解機器學習大致現狀的好機會。
深度學習——你需要了解的八大開源框架
開源框架之一：Facebook的Torch
對機器學習的理論架構有了一個大概的瞭解之後，你可能會陷入一種困惑：我該如何將這些理論轉化爲真正能夠運行的程序？在這個問題上，許多在人工智能方面的研究中享有盛譽的大公司已經給出了自己的答案：發佈自己的開源框架。框架可以看做是一些API，或者說的直白一點——相當於積木的零件。使用框架中內置的這些算法和結構，你可以相對輕鬆的用編程語言將自己的想法變爲現實。它們有的基於被廣泛使用的Python，Java，C/C++，也有些基於相對冷門一些的諸如Lua之類的語言。不過它們的目的都是相同的：爲開發者提供相對舒適的開發環境。因此如果你在思考該使用哪種語言來實現你的算法，不妨參考了這篇介紹了8種比較受歡迎的AI開源框架的文章。
大牛的《深度學習》筆記，Deep Learning速成教程
深度學習的一些經典特徵描述
到這裏，最最基礎的準備工作已經進行的差不多了。我們可以對深度學習的理論體系進行更深一步的研究了。這篇文章從深度學習的概念講起，由淺入深的講解了基本思想、網絡結構、訓練過程等內容，並最終介紹了幾種深度學習常用的建模方法。吃透這篇文章，對讓你對算法有一個清晰的思路會有很大的幫助。
卷積神經網絡（CNN）新手指南
卷積神經網絡工作原理示意圖
卷積神經網絡（Convolutional Neural Network,CNN）是一種前饋神經網絡，是深度神經網絡中非常重要的一種類型。其特性經常被用於圖像處理系統，並能獲得很好的效果。本文結合幾個圖像識別的實例，簡單講解了建立一個CNN模型的思路和方法，並給出了一些測試方法和常用的應用。相信在讀完這篇文章後，你對圖像識別算法的瞭解又會更深一層。
想了解遞歸神經網絡？這裏有一份入門教程
簡單遞歸網絡（左）與LSTM單元（右）的對比
遞歸神經網絡也是人工神經網絡中重要的一個種類，擅長用於識別諸如文本、基因組、手寫字跡、語音等序列數據的模式，或用於識別傳感器、股票市場、政府機構產生的數值型時間序列數據。
遞歸網絡可以說是最強大的神經網絡，甚至可以將圖像分解爲一系列圖像塊，作爲序列加以處理。更重要的一點是，由於遞歸網絡擁有一種特定的記憶模式，而記憶是智能的基本能力之一。所以「最強神經網絡」可以說實至名歸。這篇文章介紹了遞歸神經網絡的一些應用方法，並着重介紹了其中的記憶單元（LSTM）的使用和調試方法。可見記憶對於AI的重要性。
更多……
學海無涯，短短一個星期的幾篇文章可能沒法讓你從一個從沒學過機器學習的小白變成大神，不過我們希望這些文章能給大家一個足夠的引導。幫助大家在學習的過程中少走些彎路，我們今後還會陸續發佈更多更深入的教程，敬請大家持續關注~
