学习路线

一、数学基础

学习目的：了解人工智能需要知道的数学常识，不做深究。 书籍：《机器学习中的数学》孙博 著

1、高等数学

2、线性代数

3、概率论与数理统计

4、矩阵论

5、微积分

二、统计学

李航 《统计学习方法》

https://github.com/fengdu78/lihang-code/tree/master

三、机器学习

1、机器学习算法

2、机器学习经典案例

3、机器学习项目

4、视频

吴恩达 机器学习 课程

5、书籍

吴恩达机器学习笔记 https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

深度学习500问 https://github.com/scutan90/DeepLearning-500-questions

《机器学习基石》- 林轩田 《机器学习技法》- 林轩田 《机器学习》-周志华 西瓜书

四、数据分析与挖掘

1、数据挖掘实战

2、数据挖掘竞赛

3、数据分析实战

五、深度学习

1、必备算法

2、学习框架

六、计算机视觉

七、NLP

八、提示语工程

九、RAG(检索增强生成)

十、Agent

十一、商业实战项目

鸣谢

我从网上搜集了很多关于学习路线的资料，以下是我对这些资料的一些整理，非常感谢他们的无私奉献与分享。

1 、AIMI-CN

https://github.com/apachecn/ai-roadmap/blob/master/ai-union-201904/README.md

2、apachecn

https://github.com/apachecn/ai-roadmap/blob/master/ai-union-201904/README.md

3、JackBlogs

https://github.com/JackBlogs/learningai

4、fltenwall

https://github.com/fltenwall/AI-awesome

5、Echo_NebulaPKM