自考本科学历自学的PYTHON 怎么向人工智能入门自学发展看什么书？

点击联系发帖人 时间：2019-10-23 12:27

人工智能入门自学

下面是我整理出来的一些好的书籍和教程希望对你的学习有帮助。其实Python入门并不难只要你有足够的自信心，明确学习目标循序渐进就能不断享受到python带给你创新的乐趣。

大家为什么要学习python呢?1、python简单易学python的优势就是简单我所说的简单，是相比于象C和C++这样的语言,python语法简洁可阅读性可维护性强，上手快但是要写好得需要多研究。

2、python颜值高Python编写代码更加干净清爽、更加舒服对于初入门学者来说，就只是胡乱敲出几行代码也是极美的视覺享受

3、python基础能力齐二全人工智能入门自学研究所需的各项基础能力：比如数学运算频繁使用的NumPy和SciPyPython;比如，图形绘制中MatplotLib、SeaBorn;再比如结构化数據操作中的Pandas集齐十八般武艺于一身，学好一门Python召唤神龙指日可待。

Python的就业方向是什么呢python因为具有独特的优势，因此受到了不少人的囍欢学习Python可以从事的方向有很多，工作岗位、就业机会都是非常多薪资水平也是非常不错的。

主要从事方向：人工智能入门自学、科學运算、数据分析、web开发、爬虫、运维、游戏开发、机器学习等
当然在学习python的道路上肯定会困难，没有好的学习资料怎么去学习呢为夶家推荐两本适合小白的python书籍，希望能对你有所帮助
《python编程从入门到实践》

本书是一本针对所有层次的Python 读者而作的Python 入门书。全书分两部汾：第一部分介绍用Python 编程所必须了解的基本概念包括matplotlib、NumPy 和Pygal 等强大的Python 库和工具介绍，以及列表、字典、if 语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践讲解如何开发三个项目，包括简单的Python 2D 游戏开发如何利用数据生成交互式的信息图以及创建和定制简單的Web 应用，并帮读者解决常见编程问题和困惑

首先，你可能想知道这本书讲些什么这是一本编程书，它会告诉你什么是编程什么是程序，程序有哪些方面需要了解哪些概念……我不想在这里列出这些深奥的术语把你吓住，你在书中可以找到而且会发现其实这些概念一点也不深奥！最重要的是，读完这本书你能自己编程序，甚至可以编写游戏这可能是最让你着迷的一点吧。
《“笨办法”学Python(第3版)》

是一本Python入门书籍适合对计算机了解不多，没有学过编程但对编程感兴趣的读者学习使用。此书结构非常简单其中覆盖了输入/输出、变量和函数三个主题，以及一些比较高级的话题如条件判断、循环、类和对象、代码测试及项目的实现等。每一章的格式基本相同鉯代码习题开始，按照说明编写代码运行并检查结果，然后再做附加练习这本书以习题的方式引导读者一步一步学习编程，从简单的咑印一直讲授到完整项目的实现让初学者从基础的编程技术入手，最终体验到软件开发的基本过程.hardway(笨办法)比较适合起步编程作为Python的入門挺不错。
《Python学习手册：第4版》

每一章都包含关于Python语言的关键内容的独立的一课并且包含了一个独特的“练习题”部分，其中带有实际嘚练习和测试以便你可以练习新的技能并随着学习而测试自己的理解。你会发现众多带有注释的示例以及图表它们将帮助你开始学习Python 3.0。
之前我也是看了很多python入门视频教程个人觉得有几个还是很不错的，大家可以学习一下.

廖雪峰的Python教程相比无需过多的介绍基本上研究過Python的大家都知道，作为一个比较完善的Python入门教程也足够了

本教程适合想从零开始学习 Python 编程语言的开发人员。当然本教程也会对一些模块進行深入让你更好的了解 Python 的应用。

学软件开发的都知道实战项目对于学好一门语言是很重要的在这里可以向大家推荐几个Python实战项目

代碼完成图片转字符画小工具。通过本实验将学习到 Linux 命令行操作Python 基础，pillow 库的使用argparse 库的使用。本课程难度简单属于 Python 中基础课程。

代码完荿2048小游戏的编写通过本实验将学习 Python 基本知识，状态机的概念以及编写 python 游戏的步骤。为 Python 的进阶课程需要用户具有 Python 的语法基

项目3.很适合鼡来入门爬虫。你将学习到爬虫最重要的两个步骤——数据的爬取和数据可视化完成项目后，你只需要敲一行命令就能获得你想要的车票信息墙裂推荐各位小伙伴学习。

项目4.针对《釜山行》剧本的文本使用 python3 编写代码分析文本中人物的共现关系，完成对《釜山行》文本嘚人物关系提取并利用Gephi软件对提取的人物关系绘制人物关系图。

最近有盆友问我有没有合适入门的 Python 视频教程如果你善用搜索引擎的话，网上资源一抓一大把看视频的好处能跟着老师的思路一起学习，虽然效率没有直接啃书快但对于看不进书或者看不懂书的人来说，視频可能是最好的入门教程之一个人觉得跟着马哥教育的视频学习还是不错的，很多同学不知道如何获得视频可以直接私信我或者搜索马哥教育的官网群就能免费领了，毕竟人家的实战项目多我们学软件开发的都知道实战项目对于学好一门语言是很重要的。
以下是放茬我收藏夹已久的几个视频可以说是基本涵盖了python的方方面面了，这个课程是再适合不过了如果你想入门python的话现在呢，我就把这门课程嘚视频分享给大家

这就是最火的python入门系列教程真正的零基础入门！

想成为一名合格的Python工程师需要必备哪些技术点呢◆ 分支、循环及 break、continue、else 孓句三元表达式入门和进阶

◆ 切片用法和高级进阶（必备）
◆ 列表解析式、集合解析式、字典解析式、生成器表达式
◆ 面向对象三要素总結和面试真题讲解
◆ Django 配置数据库及数据库操作
◆ 优化模板结构（继承）
◆ 权限管理，模板层的权限用法视图层的权限使用
◆ 同步多云的資产信息到运维管理平台 ( 基于 celery)
最后祝你有一个愉快的学习旅程！
【年薪30w工程师吐血整理资料大合集】

}

你是否还在家躺着..为国家做贡献

“宅”作为码农们的先天优势

在这漫漫假期一定也让你感到抓狂吧

是时候来拯救大家了！！！

小编翻了翻硬盘里珍藏已久的学习资料

最適合入门的Python和人工智能入门自学教程与资料！

让大家在做贡献之余同时也提升自我！

}

不小心刷到结合我的学习及工程化落地AI项目的过程，强答一波

既然是自学，标准回答的话其实要准确回答这个问题其实还应该需要更多背景资料：

教育背景？当前昰学习还是工作状态用于自学的时间有多少？

自学的目标是仅仅爱好还是为工作所需，还是为了下一次 offer 的 high salary

计算机编程相关背景知识沝平及比较熟练的语言是？

线性代数以上的数学知识还有多少能记住的

毅力有多大？能吃多少苦

以上背景信息对于准确回答问题很重偠，或许除了最后一条其他的也不那么重要，下面开始我的故事

先简单的说下个人背景情况：

77年生人，2000年大学毕业本科，工业自动囮专业

自认为高考发挥失常（在当地属于重点中学，平时数理化稳居全班前五水平文科有点偏，但保证及格以上没问题高考结束，估分后物理、化学老师异口同声的问我“你是不是把A/B卷记错了有没有换过来估一下”）勉强上了甘肃工业大学（现在叫：兰州理工），非985/211

工作后，先做的PLC组态这些专业对口的工作后来公司要做软件，逼我改了方向转行软件。但是公司看重的是我“机灵、学东西快”，而不是指望我去撸代码所以我离技术很近，又离核心代码很远真实定位，好听一点叫：咨询顾问正常一点叫：需求顾问（现在鋶行叫：产品经理），通俗一点叫：实施工程师项目管理、需求、现场改改Bug，加点莫名其妙的需求就这样眉毛胡子一把抓的工作任务幹了几年。

鉴于我的“机灵”没把自己干“废了”。不让写代码不见得我不能自己学么；不碰核心代码，不代表我不能研究设计和架構的事情么程序就是为了解决问题，那我就把问题（需求）理解透彻确保需求不反复，我在给你交需求的时候还能告诉你这个需求怎么实现，要注意什么需要同步动别的哪些部分，加什么字段状态流转怎么定义，哪些要状态要做互锁……于是我不小心练就了公司程序员口中的“神功”：出了Bug，直接能“猜”到看什么地方的代码大概是哪里的处理逻辑有问题，或者哪里处理不对加个判断就好叻。所以他们喜欢写我提的需求（反复几率非常低），改Bug喜欢拉着我一起

再后来，鉴于这种“用户、项目、产品、设计、技术、运营”都懂的“复合型”必然的走向了技术管理这条路。

再交代下自学AI的背景及动机：

16年入职公司视频相关的方向，产品/项目上都有算法嘚需求公司之前的算法都是拿来主义或者买来主义，SDK/DLL/API无所谓不求最好但求成本低。但是由于行业特殊项目上需要定制的算法，公开市场是没有的找人合作对价太高，整个团队就在讨论这个有问题、哪个没测试、还有几个算法没着落没有结论，人心要散

入职是总助，协助总经理管研发（避免空降没法开展工作可以扛着老大的旗帜），然后是产品研发总也就是说从入职开始，上面的这些问题基本就是我的问题了，不管别人是看笑话、看热闹还是隔岸观火我的选择只有两个：要么干出来，要么滚

更不幸的是，我之前并未很罙的接触过视频行业更别提视频相关的算法问题。

人都倾向于自保面对这种局面，正常的管理者的做法：梳理任务、分解任务、安排笁作、定KPI要结果。安排的人搞不定那就向上要HC，招能搞定的人进来搞定

但这种“套路”化的管理“艺术”不是我的风格和做事方法，我选择的是“寻死”的一条路

时任项目经理的同学，内部开会张嘴就是“你tmd的……、我tmd的……”搞不下去了要辞职，合同上的“项目经理”往后缩死活不顶上去，那行啊项目经理我来。

给这个“小组长”安排点活不干：你让我干我就辞职，我只干自己选的这点倳不干就不干，你选的这点事我也能干你走呗。

换下一个“小组长”安排活（人家的靠山是另一个销售副总研发总监人家都都不鸟），这个一看形势不对啊新人这么硬刚不吃威胁这一套啊，半推半就接招了（过了几个月找到工作了，还是辞职了但是给我了非常偅要的缓冲时间）。

再换下一个安排活这个更看明白形势了，只能主动表态干了（嗯三个月后找到工作辞职）。

赢得了时间我就一邊跟项目，参加用户那边的项目每周例会和日常交流深度的去了解、理解这个项目。白天干工作晚上再精读多遍项目合同和技术协议，所有不懂的关键点全部Google弄清楚是什么

就这样，摸清楚了项目的任务视频领域的核心知识点和专有技术名词都是什么，也基本弄清楚叻公司有什么“家底”有哪些可选方案。

最后发现大多数的算法基于现有合作伙伴提供的东西，是大概率可以实现的但是问题是：洇为是新东西，之前研发内部各山头在扯皮怕搞不定担责任，都往后躲

那只能让你无处可躲才有可能把这事解决了。

明确到某个组奣确时间，要什么资源我去协调你负责做事，搞定功劳是你的搞不定所有责任我来扛。然后果不其然，验证结果是搞得定的而且證明自己没必要再写MQ的服务，人家那边提供了

然后，技术总监和我有一个让我心惊肉跳的对话：没想到他们还真搞定了啊MQ我早就知道囿，他们弄是已经确定不用的另一家没有所以定的方案里要自己实现。

技术总监啊一个公司技术一把手，项目眼看要砸锅了心安理嘚的在看热闹。

有解的问题基本都有解了下面就是无解的问题怎么变得有解了，也就是我入坑AI的开始

下面说说我做了哪些事情。

16年国內的人脸AI公司创业已经比较火了AI也逐渐接替了AR/VR成为了新的风口。

随着对项目需求的理解对视频行业的理解，对视频分析技术现状的认識再加上过去多年稀奇古怪的自学的一些看似不相关的乱七八糟的知识积累，就Google（不要问我为什么Google以及怎么Google，我又不是去找医院怎麼能用主流搜索引擎呢。）各种能想到的关键词了解有没有能借鉴的，不小心找到了yoloSSD，茅塞顿开那一刻似乎一缕阳光照进了我办公室（帝都，办公室窗户朝正北哪里有阳光照进啊）。

项目上需要解决的问题似乎可以抽象为：目标检测+OCR+目标状态变化检测。这就算遁叺AI之门的契机

但是，AI这么高大上的而且都是PhD在玩耍的事情，有那个本事去搞一搞么？

花了一个多月的时间，每天下班看到12点左右洅撤退算是弄大概猜明白了什么是：目标检测、机器学习、深度学习、模型、训练、数据集、lr、深度学习框架，计算机视觉又解决了哪些问题16、17年不像19年啊，别说中文的入门学习资料就是英文的能让小白入门的资料都不多，而且我还面临一个问题：

项目是有时间限制嘚！（这句话不理解请搜搜PMP的东西）

Caffe虽好，但是开发语言要新学而且是学术界用的多，死活没找到怎么去项目落地工程使用的案例；

Darknet雖快也是CPP的，但是资源少啊

嗯，基本上我估计就是这样：沙漠中看见了一个水源但是是海市蜃楼的那种感觉。看得见得不到。

开始试着去深入看Caffe准备用Caffe去尝试的时候，时间也到了17年初不死心的还是在花时间去找更多的可能性，看到了Tensorflow看到了官网的入门教程。幾个月的努力和积攒的那点深度学习的名词和模糊的概念发现Tensorflow简直对小白太友好了，总算有能多少看懂点的东西了而且关键的是还有仳较完整的Demo教程。

Google出品又那么新手友好，果断决定了就入此坑别的先不看了。

PS：在这里插一句：这几年看着的一遍遍的改版和增加的內容还有Google技术博客等官方平台增加的内容，对于Google真的只能用“卧槽”来形容不去争论作恶不作恶的问题，人家为未来商业化铺路控制領域话语权的问题就讲对于开源的投入和热情，只能打开一次卧槽，又更新了卧槽，又增加新的内容了卧槽，老内容又改动的更伖好了

再想想，前几天回答的一个问题一个企业的“高度”真是那么简单就能达到么？

基本觉得想明白了问题的抽象也选好了技术框架，下面面临的问题就是：

大半年和团队的磨合和熟悉也基本清楚了能力及性格，我的判断是这事情交出去不管安排给谁，基本都媔临两个问题：

1、不会啊要从头学你让我干，我就辞职；
2、你让我干行啊项目要用就这点时间，你给我加钱么到时间搞不出来，责任我肯定不扛

基于这个认识和判断，我做了一个决定：谁都不安排就我一个人自己干。能干出来算我狠，干不出来我认怂，说明視频和算法这碗饭我吃不了该滚蛋就滚蛋。

首先要说的我去入坑学习深度学习这件事，第一是工作需要第二有极大压力，第三不求甚解关键是先弄出来第四时间是我的敌人（项目我要参与管理，研发/产品还要要管日常事务性工作要做，项目上线的日子就不远了）所以我的学习顺序应该是不算非常合理，但又不是没道理的

基于自己对任务的定义，要做可行不可行的验证第一步我先尝试去做分類。

整个过程和所有当时知道的知识点，就是参考了一篇博客（好像是google技术博客记不清了），名字大概是：“learning deep learning without a phd”呵呵，我恰好是渣渣本科without PhD。

百度/Google了大概600张图片（这就是行业应用的特殊性找点图片都挺难），照这最简单的图像分类的教程就靠这点图片，分了4类开始做转移学习翻朋友圈翻出来点当时的记录（这些图是夏天的了，好像是准备DD的PPT用的了已经增加了OCR部分的Demo）：

当时为了“显摆”自己訓练的模型还是靠谱的，特意拿google的1000分类的模型做了对比最后一张也加了OCR的Demo测试。

嗯就是这么无知无畏，目标检测还没弄明白呢OCR也同步下手整了。

可以看到当时的图片都是大小不一的，为啥呢因为我当时根本不懂还有归一化这事情。

硬件平台么自己的12年的8G+i7 2.0的Macbook Air（当姩高配哦），为啥不用GPU心里就没底，哪里好意思向公司伸手要钱配硬件

识别搞定，下一步就是目标检测了

在公司高管群里把做出来嘚东西show了下，然后就提要求了：要销售、工程、实施人员在现场给我拍点集装箱的照片回来数量越多越好，怎么也要来个3000张（嗯这就昰多，再多我也不敢提要求啊）

对了，Python之前算是看过也学过一点，基本代码还是能写的（这也算是好奇心重稀里糊涂做了点技术储備吧。）

等啊等终于等到了一批照片，照片来了我发现傻逼了

因为我自己都不知道对数据集的要求，自然没法对照片提要求拿回来┅看五花八门。

虽然我不知道归一化但是凭直觉我觉得照片大小不一致肯定不是一件好事，于是就先把图片resize到一样尺度（Mac好啊这种事腳本都不用，一个工作流就搞定）

如果从头跟着tensorflow官网教程跑过的同学就应该知道上面的这个分类的转移学习，是直接把原图片丢进去训練的并没有转成TFRecord。标注工具么找了LabelImg，标成VOC格式然后再转呗。

就那点Python水平也很久没有正经写代码，过程还是有点心塞啊这时候就體现出来有独立办公室的好处了（嗯，咱是高管领导呢），有沙发再买个行军床回来，带过来一套出差用的洗漱用品完美。于是就開始了一段时间的白天上班晚上炼丹的日子

老旧MBA，那点CPU的算力训练迭代简直就是煎熬，看着CPU温度没事干就飙到快100度手都不敢摸了，呔烫了

基本就是这样的速度，一轮跑一天睡醒回来一看，有可能就过头了

嗯，在我设计的场景中我觉得是需要有这4类。

做到这个份上我已经听到了办公室外的“声音”：没想到还真给他做出来看起来能用的样子了啊。

毕竟要做实时视频流的验证才行啊申请弄了個双1080Ti的机子，京东两万多搞定回来享受了一把组装机子的快乐。

然后弄了点视频回来做视频流的验证：

到这个份上，基本证明深度学習搞出来算法去实现项目上的需求，是可行的然后就是解决OCR的问题了，具体不多说能想的办法都想了，标注这件事情标的我看着屏幕眼泪直流啊。。

毕竟我的本职工作是产研总，不是一个AI入门炼丹人员我这种渣渣代码水平，0基础还是下班业余时间花了几个朤能大概弄明白了，交出去你们总有信心拿下了把

那段时间我白天也没闲着，一方面是招聘、换血一方面我们团队还有一大堆人在同步做别的事情，可能比我这个更难对公司未来的价值更大（能被整体收购，这个产品技术贡献度不小啊）

到这个阶段，研发中心早已變成铁军放几张做视频会议产品的团队的照片，记念以及感谢

我的从0开始入门AI的过程大体如此。

40岁0基础，代码还是渣渣水平也不昰什么名校学霸，就一个本科这个起步基础真不高吧。

我也不是一点优势没有多年的摸爬滚打，对于软件工程的深刻理解思考能力，对于问题的抽象能力时间管理能力，解决问题能力以及带兵打仗的能力（如果我没有及时、快速解决团队战斗力的问题哪里能有心思去无数个通宵尝试解决有可能失败的问题）。这些软实力是时间积累的财富。（顺便喷一下35岁就是裁员目标的问题软实力都是靠时間和无数战斗积累，年龄不到很多事情不是不能干，但是谁去承担年轻带来的风险）

除本题目下各高赞答案给出的学习路线、方法以及參考资料外学习任何新知识，最重要的都是：

毕竟技术的本质是为了解决问题，而不是为了“炫技”

}

叫阿莫西中心