一文看懂人工智能里的算法（4个特征+3个算法选择 Tips）
在数学和计算机科学中，算法是如何解决一类问题的明确规范。算法可以执行计算，数据处理和自动推理任务。
作为一种有效的方法，算法可以在有限的空间和时间内以及用于计算函数的明确定义的形式语言中表达。从初始状态和初始输入开始，指令描述了一种计算，当执行时，通过有限个明确定义的连续状态，最终产生“输出”和终止于最终结束状态。
算法的概念已经存在了几个世纪。希腊数学家在例如Eratosthenes的筛子中使用算法来寻找素数，并使用Euclidean算法来找到两个数的最大公约数。算法这个词本身来自9世纪的数学家MuḥammadibnMūsāal-Khwārizmī，拉丁化的Algoritmi。对于现代算法概念的部分形式化始于试图解决大卫希尔伯特于1928年提出的Entscheidungsproblem（决策问题）。后来的形式化被定义为试图定义“有效可计算性”或“有效方法”。这些形式化包括1930年，1934年和1935年的Gödel-Herbrand-Kleene递归函数，1936年的AlonzoChurch的lambda演算，1936年的EmilPost的Formulation1，以及1936-37和1939年的AlanTuring的图灵机。
查看详情
人工智能之算法知识与实战篇（附资源）
写在前头1、课程的选择：
选择一门完整的算法课程，并以此课程为主，系统性学习；公众号或者其他材料都是辅助，里面主要是零碎的知识。推荐业内经典课程。
2、本号不涉及技术层面的内容：
没有那个水平；前人已经有非常完善的课程体系
机器学习篇1、知识内容
2、学习资源推荐
简单版：吴恩达在Coursera的机器学习课程；机器学习入门首选课程，据说全世界有数百万人通过这门课程入门机器学习。课程的级别是入门级别的，对学习者的背景要求不高，如果数学太差就先看这个吧，课后作业要做。
链接：https://www.coursera.org/learn/machine-learning
中文版：http://study.163.com/course/introduction.htm?courseId=1004570029
作业答案：https://github.com/TingNie/Coursera-ML-using-matlab-python
难度版：吴恩达CS229，上面那门课的数学加强版，如果有一定数学，可以跳过上面的直接看这门课。
中文版：http://open.163.com/special/opencourse/machinelearning.html
学习指南：CS229的材料分为notes（讲义），课程视频，课后作业。讲义和课程视频是必看的，课后作业太难，暂且忽略，等水平到一定的时候再看。讲义是课程视频的详细版，里面有很多数学的推导，建议先看讲义后看视频，带着问题去听课。这么课学习下来要达到的效果是不看讲义，自己能手写推导过程，推个70%就差不多了。课程包含20集，初学者先看前15集即可。配合着前述文章中写到的《机器学习实战》、李航《统计学习方法》、周志华《机器学习》。
深度学习篇1、知识内容
2、推荐课程Cs231，包含课程视频、课程笔记、课后作业，都要看，课后作业要写，详情参见我之前的文章。
项目实战篇1、《hands-on-ml-with-sklearn-and-tf》，见之前的文章
2、Kaggle入门指南，https://blog.csdn.net/u010094934/article/details/77689151
3、Kaggle学习资源，https://github.com/apachecn/kaggle
4、scikit-learn学习，官方文档必看，http://sklearn.apachecn.org/cn/0.19.0/
5、tensorflow学习，官方文档必看，https://tensorflow.google.cn/api_docs/python/?hl=zh-cn
6、TensorFlow学习，斯坦福CS20SI选看，参考地址：https://blog.csdn.net/lqfarmer/article/details/72956283
推荐博客
http://karpathy.github.io/
自然语言（可选）这是深度学习在自然语言处理上的进一步应用了，如果你以后要做这方面的工作，可以学习一下，否则可以不看。
CS224d课程：深度学习在自然语言处理上的应用
视频及笔记地址：https://www.jianshu.com/p/062d2bbbef93
讨论学习，文章发布，vx公众号：learningthem