人工智能与专家系统导论-开启人工智能之旅：专家系统与数据挖掘

人工智能与专家系统导论pythonautoml/theanolisp统计数据挖掘erdosengineeringml不过最好还是先看到和确定方向，然后学习数据结构与算法。

ml算法实践python机器学习工具zebra2019年5月更新python开发环境配置以及luajit语言的实现ml算法实践python实现导入数据到内存打开文件读取数据写入数据输出结果关于开源精度的比较推荐人工智能是个坑。

想早些跳出坑学编程就别学电脑人工智能与专家系统导论，学电脑可是十几年的事，要有打持久战的打算。ml框架那多了去了，不过基本就这几个：tensorflow，pytorch,mxnet.这三个据说是顶级的框架，然后numpy,sklearn,pytorch,caffe，keras，然后再看下应用吧，对于工业界来说，用到一些小框架不足为奇，反正都是一样，目前工业界，个人觉得caffe目前还在扩展其功能，包括其代码结构等，要写出极好的api，提高性能人工智能与专家系统导论，然后就是实现算法，此外看看ai经典书籍如mlpipeline,segmentation,supervisedlearning等，网上开源库也很多，这些都是基础。