各位前辈好 小弟自从一年前开始在本版和DataScience版出没 渐渐从完全0程式语言基础，到可以训练model 受到版上许多人的指引和建议 以下整理这一年多来使用觉得适合初学者的自学资源： （网志版本包含连结：http://x60606.pixnet.net/blog/post/300451728） ※什麽人适合读这篇文章? . 具有高中数学程度的人（其实也只要会矩阵和向量就可以了） . 完全没有程式语言基础的人 . 有心想自学AI的人，并用於工作领域的人 . 恰好有3-6个月的空闲时间，希望多学一种语言的人 ※学习时间大约要多久？ 心无旁鹜的全心学习的话，大约一个月可以上手python程式语言 再大约3-6个月可以操作AI机器学习。 之後依应用领域不同自行挑选工具学习。 ※第一阶段 初学Python 程式语言 推荐书单： 《精通 Python：运用简单的套件进行现代运算》Introducing Python 作者：Bill Lubanovic 从安装下载python 及其相关套件开始教起 用语诙谐幽默，比喻生动有趣 不要被中文标题吓到了，其实它只是introduce而已。 使用方式： 将内容范例程式码逐步打过，养成眼到手到的习惯，两周左右便可撰写基础程式码。 从第一章开始阅读，练习到第六章即可。 第一个难关：环境建立 初学者最常遇到的困难就是在自己的电脑上安装编译软体， 由於Mac, Windows, Linux各种作业系统安装方式不尽相同， 时常会遇到书上没有教的窘境。 因此初学者我推荐上面这本书。 小撇步: 之後如果觉得安装各种套件很麻烦，可以直接下载Anaconda， 使用Jupyter notebook 撰写，自动包含所有常用机器学习套件。 ※第二阶段： 熟练Python并了解各种演算法之间的时间复杂度、空间复杂度差异。 推荐学习资源: Leetcode 网站题库 使用方法: 挑选自己有兴趣的题目写，也可以选择难度为「简单」的题目练习。 大约写5-10题即可，1-2周即可完成本阶段。 完成题目之後可以到讨论区看其他专业工程师如何解决同样的问题，如何更简单明了、运 算更快速。 用最短的时间在资工系最硬必修──「资料结构」、「演算法设计」初窥门道。 并藉此复习上一阶段没有熟练的指令码。 第二个难关：忘记学过的指令码 所以需要靠刷leetcode练习复习。同一个题目能够看到别人用不一样的方法解决，知道自 己的不足。 ※第三阶段： 机器学习基础知识 学习资源： 网路课程：林轩田教授、李宏毅教授 林轩田教授的课程比较学术生硬，投影片精美，讲解详尽有逻辑，数学成分较多，非常适 合对原理有兴趣的你。(基础课程请按此) (进阶课程请按此) 李宏毅教授的课程风趣幽默，上课步调比较随兴轻松，适合喜欢结合生活应用的你。(ML lecture 请按此) 使用方法： 两位台大教授都有将课程影片上传至youtube，可以挑选一位从头到尾看完。 太过於理论或数学推导的部分可以两倍速带过。 安排一天3小时，综合做笔记时间，大约4-6周左右可以掌握AI机器学习所有名词的意义， 以及数学上的逻辑、生活中的应用。 第三个难关：对机器学习原理感到迷惘或却步 别担心！请记得，机器学习是数学家和资料科学家经年累月发展出来的深奥学门，一般人 不需要了解全部的详细原理，像是您学习开车但是不需要知道所有的机械结构，只要掌握 与操作有关的重点，并知道重要名词之间的关联即可，目标是下一阶段的实作！ ※第四阶段 机器学习程式码操作 书单推荐：Tensorflow + Keras 深度学习人工智慧实务应用 网路资源：AI 百日马拉松 (不是免费的，一个人报名费约2000元左右) 我自己有报名第二届，值得推荐的地方是他会每天给你一点程式码 也会提供教学讲义网站和重要资源的连结 　学期间有助教随时解答 　不过我自己觉得，对非科班出生的人而言，原理和教学图解部分太少 　有时候中文语句也不是很通顺，还有许多改进空间 　因此上面三个阶段完成的人来看会比较不吃力 未来应用若有很好的资源会再补充！ 欢迎提供更多资源建议，谢谢！ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 58.114.177.47 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1565422919.A.548.html