---
tags: AI
---
# 人工智慧技術學習資源

## 1. 資料分析案例

### [數位時代的淘金術 ─ 從大數據到人工智慧│2016 秋季展望科普演講（YouTube）](https://www.youtube.com/watch?v=X-Q72NiI3SQ)

### [2014DSC台灣資料科學愛好者年會演講（YouTube）](https://www.youtube.com/watch?v=aTrFW4eBzNw&list=PL0UV3VnbnAX4aTOhRP13rhGqFH5INp-fB)

### [PyData（YouTube）](https://www.youtube.com/channel/UCOjD18EJYcsBog4IozkF_7w)
國外對於以 Python 進行資料分析相關的研討會

### [PyCon Taiwan](https://www.youtube.com/channel/UCHLnNgRnfGYDzPCCH8qGbQw)
台灣 Python 年會，近年有很多資料科學、資料工程、機器學習，甚至人工智慧的題目

### [TW use-R（YouTube）](https://www.youtube.com/channel/UCBBwy_xvVsM5iLB5dJZDqog)
台灣 R 語言愛好者社群小聚錄影，多以 R 語言的介紹及資料分析案例為主軸，有時會有 Python 語言相關的演講

## 2. 資料科學與資料探勘

### [Data Mining: Concepts and Techniques（教科書）](https://www.amazon.com/Data-Mining-Concepts-Techniques-Management/dp/0123814790)

* 資料探勘的聖經教科書，著重於資料處理的流程與機器學習模型的應用
* [中文版](https://www.tenlong.com.tw/products/9789864129805)

### [大數據（書）](https://www.books.com.tw/products/0010587258)

* 麥爾荀伯格的著作，帶來全新的大數據觀點來看待資料分析與傳統統計，說明大數據時代會發生的事情以及未來的走向
* 必讀

## 3. 機器學習模型

* [Machine Learning Foundations (機器學習基石) - 林軒田（YouTube）（入門）](https://www.youtube.com/watch?v=nQvpFSMPhr0&list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf)
* [Machine Learning Techniques (機器學習技法) - 林軒田（YouTube）（入門）](https://www.youtube.com/watch?v=A-GxGCCAIrg&list=PLXVfgk9fNX2IQOYPmqjqWsNUFl2kpk1U2)
* [LEARNING FROM DATA - 林軒田（書）（入門）](https://www.books.com.tw/products/0010565319)
* 以資料角度切入解說機器學習模型
* [Pattern Recognition and Machine Learning（教科書）（進階）](https://www.springer.com/us/book/9780387310732)
* 機器學習領域的聖經教科書，收錄很多機器學習模型（已絕版，台北天瓏書局好像還有）
* [Machine Learning - A Probabilistic Perspective（教科書）（進階）](https://mitpress.mit.edu/books/machine-learning-1)
* MIT 的機器學習教科書，以貝氏統計觀點切入解說機器學習模型，說明模型與模型之間的關係及介紹模型變體

## 4. 深度學習與最新技術解說

* [DeepMind（YouTube）](https://www.youtube.com/channel/UCP7jMXSY2xbc3KCAE0MHQ-A)
* Google 發展機器學習與 AI 相關技術的核心實驗室
* [OpenAI（YouTube）](https://www.youtube.com/channel/UCXZCJLdBC09xxGZ6gcdrc6A)
* 為 Elon Musk（特斯拉創辦人）創辦的，致力於發展 Reinforcement Learning 的套件庫
* [Two Minute Papers（YouTube）](https://www.youtube.com/user/keeroyz)
* 以很短幾分鐘的影片解說最新的 paper
* [Arxiv Insights（YouTube）](https://www.youtube.com/channel/UCNIkB2IeJ-6AmZv7bQ1oBYg)
* 以很短幾分鐘的影片解說最新的 Arxiv paper
* [Siraj Raval（YouTube）](https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A)
* 專門解說深度學習技術的國外知名 YouTuber
* [Deep Learning（教科書）](https://www.deeplearningbook.org/)
* 由深度學習領域的大師 Ian Goodfellow 及 Yoshua Bengio 撰寫的教科書，有電子書也有實體版

## 5. 綜合及科普

* [「AI創新研究中心專案計畫」推動辦公室（YouTube）](https://www.youtube.com/channel/UC07pGuhHdX6TK2HPUFEVIrg/playlists)
* 以國家的資源投入，邀請國內知名學界講者演講的錄影
* [【臺大探索第20期】智慧新世界：圖靈所沒有預料到的人工智慧（YouTube）](https://www.youtube.com/playlist?list=PLil-R4o6jmGhGFfNCJ-tAnwmVcBYcGJwJ)
* 台大科學教育講座

## 6. 技術社群

### [Python Taiwan](https://www.facebook.com/groups/pythontw/)

台灣的 Python 技術社群

### [Julia Taiwan](https://www.facebook.com/groups/JuliaTaiwan/)

* [Julia 官方網站](https://julialang.org/)

## 7. 人物

### Geoffrey Hinton

加拿大電腦科學家和心理學家，神經網絡之父，深度學習三巨頭之一
* 知名作品：Backpropagation, Boltzmann machine, t-SNE, Deep learning, Dropout, Capsule neural network

### Yann Le Cun

Geoffrey Hinton 的弟子，Facebook Artificial Intelligence Research 院長，深度學習三巨頭之一
* 知名作品：CNN

### Yoshua Bengio

加拿大的電腦科學家，深度學習三巨頭之一
* 知名作品：Neural machine translation, Generative Adversarial Networks, Word embeddings, Denoising Autoencoders, neural language models, Learning to learn

### Ian Goodfellow

Yoshua Bengio 的弟子，於 Google Brain 研究團隊任職
PhD in computer science in Stanford University
* 知名作品：Generative adversarial networks (GAN) 生成式對抗網路

### 吳恩達
史丹福大學計算機科學系和電氣工程系的副教授
Google Brain 的共同創辦人及領導人
Coursera 線上開放式課程共同創辦人

### 李飛飛

史丹佛大學電腦科學副教授
Google雲端人工智慧暨機器學習首席科學家
Google人工智慧中國中心的負責人
知名作品：ImageNet，為世界上最大的影像辨識圖片庫

### 林軒田

台大資工系教授
機器學習

### 李宏毅

台大電機系助理教授
深度學習

### 林守德

台大資工系教授
機器學習與資料探勘、自然語言處理

### 孫民

清華電機系助理教授，李飛飛、吳恩達的弟子
結合電腦視覺與自然語言的人工智慧技術

### 林智仁

台大資工系特聘教授
SVM

### 張智星

台大資工系教授
音樂分析

### 陳縕儂

台大資工系助理教授
自然語言處理

## 7. 相關課程

> * 應用：使用現成人工智慧技術模型或演算法
> * 開發：發展人工智慧技術模型或演算法
> * 研究：研究人工智慧理論及可解釋性

### 程式設計

* 重要程度：
* 對應用人工智慧技術的人：★★★★☆
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★★★
* 開課系所：電機、資訊

### 資料結構

* 重要程度：
* 對應用人工智慧技術的人：★★☆☆☆
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★☆☆
* 開課系所：電機、資訊

### 演算法

* 重要程度：
* 對應用人工智慧技術的人：★☆☆☆☆
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★☆☆
* 開課系所：電機、資訊

### 線性代數

* 重要程度：
* 對應用人工智慧技術的人：★★★☆☆
* 對開發人工智慧技術的人：★★★★☆
* 對研究人工智慧技術的人：★★★★★
* 開課系所：理工科系

### 微積分

* 重要程度：
* 對應用人工智慧技術的人：★☆☆☆☆
* 對開發人工智慧技術的人：★★★★☆
* 對研究人工智慧技術的人：★★★★☆
* 開課系所：理工商醫

### 機率與統計

* 重要程度：
* 對應用人工智慧技術的人：★★★★☆
* 對開發人工智慧技術的人：★★★★☆
* 對研究人工智慧技術的人：★★★★☆
* 開課系所：統計或其他理工科系
* 課程
* [STAT 200: Elementary Statistics - Penn State](https://online.stat.psu.edu/statprogram/stat200)
* [STAT 414: Introduction to Probability Theory - Penn State](https://online.stat.psu.edu/statprogram/stat414)
* [STAT 415: Introduction to Mathematical Statistics - Penn State](https://online.stat.psu.edu/statprogram/stat415)
* [STAT 461: Analysis of Variance - Penn State](https://online.stat.psu.edu/statprogram/stat461)
* [STAT 500: Applied Statistics - Penn State](https://online.stat.psu.edu/statprogram/stat500)

### 資訊理論

* 重要程度：
* 對應用人工智慧技術的人：★☆☆☆☆
* 對開發人工智慧技術的人：★☆☆☆☆
* 對研究人工智慧技術的人：★★★★☆
* 開課系所：？？（maybe 資訊）
* 課程
* [Information Theory, 2012, Peng-Hua Wang - National Taipei University](https://web.ntpu.edu.tw/~phwang/teaching/2012s/IT/00index.html)

### 線性迴歸與迴歸分析

* 重要程度：
* 對應用人工智慧技術的人：★★★★★
* 對開發人工智慧技術的人：★★★★☆
* 對研究人工智慧技術的人：★★★★★
* 開課系所：統計
* 課程
* [STAT 501: Regression Methods - Penn State](https://online.stat.psu.edu/statprogram/stat501)
* [36-401, Modern Regression - Carnegie Mellon University](http://www.stat.cmu.edu/~cshalizi/mreg/15/)

### 多變量分析

* 重要程度：
* 對應用人工智慧技術的人：★★★☆☆
* 對開發人工智慧技術的人：★★★★☆
* 對研究人工智慧技術的人：★★★★★
* 開課系所：統計碩
* 課程
* [STAT 505: Applied Multivariate Statistical Analysis - Penn State](https://online.stat.psu.edu/statprogram/stat505)

### 類別型資料分析

* 重要程度：
* 對應用人工智慧技術的人：★★★★☆
* 對開發人工智慧技術的人：★★★☆☆
* 對研究人工智慧技術的人：★★★☆☆
* 開課系所：統計碩
* 課程
* [STAT 504: Analysis of Discrete Data - Penn State](https://online.stat.psu.edu/statprogram/stat504)
* [STAT 507: Epidemiological Research Methods - Penn State](https://online.stat.psu.edu/statprogram/stat507)

### 時間序列分析

* 重要程度：
* 對應用人工智慧技術的人：★★★☆☆
* 對開發人工智慧技術的人：★★☆☆☆
* 對研究人工智慧技術的人：★★★☆☆
* 開課系所：統計碩
* 課程
* [STAT 510: Applied Time Series Analysis - Penn State](https://online.stat.psu.edu/statprogram/stat510)

### 隨機過程

* 課程
* [Stochastic Processes (Advanced Probability II) - Carnegie Mellon University](https://www.stat.cmu.edu/~cshalizi/754/)

### 實驗設計

* 課程
* [STAT 502: Analysis of Variance and Design of Experiments - Penn State](https://online.stat.psu.edu/statprogram/stat502)

### 抽樣理論

* 課程
* [STAT 506: Sampling Theory and Methods - Penn State](https://online.stat.psu.edu/statprogram/stat506)

### 數值分析

* 重要程度：
* 對應用人工智慧技術的人：★☆☆☆☆
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★★☆
* 開課系所：理工

### 訊號處理

* 重要程度：
* 對應用人工智慧技術的人：★☆☆☆☆
* 對開發人工智慧技術的人：★★★☆☆
* 對研究人工智慧技術的人：★★★★★
* 開課系所：電機、資訊

### 訊號與系統

* 重要程度：
* 對應用人工智慧技術的人：★★☆☆☆
* 對開發人工智慧技術的人：★★★☆☆
* 對研究人工智慧技術的人：★★★☆☆
* 開課系所：電機、資訊

### 資料探勘或是資訊擷取

* 重要程度：
* 對應用人工智慧技術的人：★★★★★
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★★★
* 開課系所：資訊、資管

### 資料分析

* 重要程度：
* 對應用人工智慧技術的人：★★★★★
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★★★
* 開課系所：統計
* 課程
* [36-402, Undergraduate Advanced Data Analysis - Carnegie Mellon University](https://www.stat.cmu.edu/~cshalizi/uADA/17/)

### 資料視覺化

* 課程
* [CSE512 Data Visualization (Winter 2014) - University of Washington](https://courses.cs.washington.edu/courses/cse512/14wi/)

### 機器學習

* 重要程度：
* 對應用人工智慧技術的人：★★★★☆
* 對開發人工智慧技術的人：★★★★★
* 對研究人工智慧技術的人：★★★★★
* 開課系所：電機、資訊
* 課程
* [CS229: Machine Learning, Andrew Ng - Stanford University](http://cs229.stanford.edu/)
* [36-708 Statistical Methods for Machine Learning - Carnegie Mellon University](http://www.stat.cmu.edu/~larry/=sml/)
* []()

### 機率圖模型

* 課程
* [Probabilistic Graphical Models, Eric Xing - Carnegie Mellon University](http://www.cs.cmu.edu/~epxing/Class/10708-20/)
* [CS 228 - Probabilistic Graphical Models - Stanford University](https://cs228.stanford.edu/)

### 語音訊號處理

* 課程
* [Fundamentals of Speech Signal Processing 2017 Autumn - National Taiwan University](http://speech.ee.ntu.edu.tw/DSP2017Autumn/)

### TenserFlow

* 課程
* [CS 20: Tensorflow for Deep Learning Research - Stanford University](http://web.stanford.edu/class/cs20si/index.html)

### Deep Learning

* 課程
* [Analyses of Deep Learning (STATS 385) - Stanford University](https://stats385.github.io/readings)
* [CS231n: Convolutional Neural Networks for Visual Recognition - Stanford University](https://cs231n.github.io/)
* [CS224n: Natural Language Processing with Deep Learning - Stanford University](http://web.stanford.edu/class/cs224n/)
* [CS294-158-SP20 Deep Unsupervised Learning Spring 2020 - UC Berkeley](https://sites.google.com/view/berkeley-cs294-158-sp19/home)
* [CS103 ‐ Topics in Representation Learning, Information Theory and Control - UCLA](https://alexachi.github.io/cs103/index.html)
* [CS 330: Deep Multi-Task and Meta Learning - Stanford University](http://cs330.stanford.edu/)