這年頭，談話間，不夾雜點“人工智能”，“機器學習”，“深度學習”這樣的字眼，就跟九十年代追不上互聯網的時髦一樣——丟份！
可是呢，說白了，真正懂行的沒幾個，真的沒幾個。
幾個月前，我也屬於多少能跟風提兩嘴，但當真不明白這人工智能到底根子上是啥玩意兒的吃瓜群眾。誰要是跟我提裡面的技術細節，我更是崩潰：shut up。
不過，幾段視頻徹底改變了我的認識，它裡面用了極其通俗易懂的語言和卡通畫面，讓我明白了人工智能、機器學習裡面到底是什麼鬼，特別有意思。在這個基礎上，我在這個領域開始真正成長了。
如果你也跟我一樣，不懂機器學習，但又想知道點幹東西，卻又不想特別費勁，那麼不妨看看我分享的這些視頻，說不定你也能在幾個月後成為半個行家裡手哦。
在這裡，我會根據我的經驗，把這些視頻分為三類，第一類是入門款，第二是基礎款，第三就是進階款咯，我保證，每類都很輕鬆，不會讓你太費勁的。
入門款——基礎介紹
在推薦入門款視頻之前，先叨叨幾句，為了讓你能結合起來看得更明白。（小白的重點學習專區）
人工智能的目的是什麼呢？
答：讓機器表現得更像人類，甚至在某些技能上超越人類。
為了達到這個目的，人工智能必須“會思考”，而它的思考便涵蓋了以智能方式解決計算難題的技術和方法。聽起來有點抽象。舉幾個例子：搜索－－找出兩城之間最快的往返，規劃－－讓機器人自動導航並達成給定目標......
當然，人工智能的能力到底強不強，得看兩個條件：算法和計算能力。
算法到底多牛逼（你可以理解為機器思考問題的方式有多牛逼），計算能力有多高（你可以理解為為機器思考提供的供血、蛋白質等後勤保障），這兩個條件直接決定了你所搞的人工智能到底有多強。
我們人類只要把算法和計算能力保證了，別的就不用管了，機器它自己就會學習。
機器是怎麼自主學習呢？
答：通過學習已有的標註數據來解決問題，而並不需要把規則硬編碼到算法中。
還是太抽象，讓我舉例來說明吧。
比如，開發一個系統，讓這個系統來識別圖片中的貓和狗。為了實現，我們只須往已設定好的算法中，放入大量貓和狗的圖片，就可以睡覺去了。等機器看完這海量的圖片，它自己就認得，什麼是貓，什麼狗。
那什麼又是深度學習呢？
深度學習屬於機器學習，不過更復雜。它類似給機器裝了一個大腦，這個大腦裡也有由大量的神經元組成的多層系統，可以通過大量的數據訓練來處理複雜的機器學習任務（比如上文提到的貓、狗圖像識別）。
為什麼深度學習突然就火爆起來了呢？
因為它需要的兩個軟硬件都被滿足了：硬件方面，GPU等變得功能強大，且價格大幅下降；軟件方面，用於訓練模型的各類數據比以往大量增多了。
好了，叨叨完這麼些信息，現在讓我們開啟入門款視頻之旅吧。
人工智能、深度學習和機器學習：入門介紹（Andreessen Horowitz）
該視頻是關於人工智能發展史 & 深度學習簡介
機器學習簡介（Udacity）
（稍微技術一點的）機器學習簡短講解
人工智能是新型電力（吳恩達）
吳恩達講解人工智能/機器學習的現狀、相關應用及管理措施
吳恩達在 Youtube 上還發了很多有趣的視頻，他在 Coursera 上還有一個免費的機器學習課程，不過技術性/理論性極強。有需要的童鞋可以自己搜搜。
成長款——深入學習
如果你還想深入學習相關的技術細節，可以觀看 Youtube 上的 Deep Learning Simplified 系列視頻與 Facebook 解釋機器學習/深度學習的視頻。
人工智能揭祕（Facebook）：
Yann LeCun 介紹人工智能
Yann LeCun 介紹深度學習
對於技術細節的更多講解，可以查看 Facebook 視頻的官方頁面。
簡談深度學習
Deep Learning Simplified - 入門篇
想要查看該系列的所有視頻，可前往其 Youtube 頻道。
進階款——打造你自己的神經網絡
如果想繼續往前，學會並構建出自己的神經網絡，你需要：
1.學會 Python 編程（可以用 Codecademy、Codeschool 或 Udacity 的課程）
2.瞭解 Google 的 TensorFlow 框架或 Keras，以找出更簡單的模型實現方法；然後學習 mnist 新手教程，對機器學習有一個大體印象；強烈推薦下面這個視頻哦 。
5分鐘x學會Tensorflow
3.此外，建議學一下 Google 在 Udacity 上的深度學習免費課程。自己搜一搜。
我的分享就到這裡了，除了這些，如果你也有好的視頻資源，歡迎留言推薦哦。