前言
作为一个工作多年的老前端，多年以前就听说过人工智能的厉害。有段时间还找了 AI 相关视频来看，奈何本人英语不咋滴，悟性不够，没有坚持下来。如今AI大火，再不学一下似乎要落后了。
困境
- 搭建过nodejs 调用 open-ai 的库，做了一些demo，但是始终无法理解内部的原理。
- 看过 tensorflow.js 的 canvas 数字识别，也无法理解其中的道理。
- 搜了一些文章，大多是教怎么用框架 demo 代码。始终不知道 模型为何物，什么叫训练模型，为什么这样做就能智能化？
- 看了一些新手学习AI的路径，大概是要先学 线性代数，微积分 等数学知识。然后学习XX内容，虽然大学学过线性代数，概率论等课程。基本也等于没学。要把这些数学知识捡起来，再开始AI学习，那大概是要放弃了。
- 书籍倒是收集了一些，有些纯粹是科普介绍，没有意思。有些看上去又太难。
破局
最近跟另外几个前端同事聊起来如何学习AI，其中有两个比较有经验的。推荐了两本书给我，然后做了一些指导。发现完全可以先不管那些复杂的数学知识，先学习AI，遇见不明白的再研究。
学习路线
1. 概念入门
首先推荐阅读 《Python神经网络编程》，也就是下面这本，这本书非常适合零基础的人阅读。只要读过高中，应该都能看的懂。但是：这本书介绍的内容是不够全的，作为补充，还需要阅读其他书籍。
2. 初入门槛
推荐阅读 《理解深度学习》
3. 视频辅助
B站真的是个学习的好地方，各种优质资源免费。但是免费的视频，很多都是水时间，然后故意隐藏一些重要内容。另外基于学习的人的惰性，以为看完视频自然就应该会了，所以只刷视频，不自己实践。另外由于视频不完整，跳过关键步骤，想实践，却很难（这不是问题GPT可以解决）。
看视频学习要素：看完20分钟，自行花2小时搜素视频内容，另外看文档学习，还要配合上面提到的书籍补充学习。
-
视频推荐：
-
《AI 人工智能》 www.bilibili.com/video/BV1ug...
-
《微积分的本质》www.bilibili.com/video/BV1ob...
-
《线性代数的本质》www.bilibili.com/video/BV1ib...
学习习惯
多思考，比如看到线性规划，最小二乘法方程，可以找一下推导公式的过程。再比如看到视频中的， KMeans，KNN，Mean-shift 其原理 自己可以找文档，问GPT深入学习。或者 keras 的应用文档。 多层感知器（Multilayer Perceptron, MLP）、全连接层（Fully Connected Layer）、池化、卷积 这些概念，都需要自行另外找文档学习
其他资源推荐
《周志华-机器学习》 深度学习的 demo
结语
兴趣是最大的老师。多与其他有经验的人交流，胜过自己埋头苦学。最后推荐大家看 吴恩达老师的视频，毕竟还是经典。我后面也会再去看的。
大家还有什么入门级别的经典书籍推荐？