人人必修的人工智能课程——华东师范大学图书馆提供。

生成式AI 简介——Coursera上来自 Google 的生成式 AI 初级介绍。

Deep Blueberry：深度学习书籍——一个为期五个周末的免费计划，供自学者学习深度学习架构的基础知识，如 CNN、LSTM、RNN、VAE、GAN、DQN、A3C 等。

Spinning Up in Deep Reinforcement Learning—— OpenAI的免费深度强化学习课程。

麻省理工学院人工智能视频——麻省理工学院人工智能课程。

Grokking Deep Learning in Motion——在没有框架的情况下学习深度学习和神经网络的初学者课程。

人工智能简介——学习 AI 的基础知识。课程由 Peter Norvig 提供。

EdX 人工智能——本课程将介绍智能计算机系统设计的基本思想和技术。

机器人人工智能——本课程将教您人工智能的基本方法，包括概率推理、规划和搜索、定位、跟踪和控制，所有这些都以机器人技术为重点。

机器学习——用于监督式学习和无监督式学习的基本机器学习算法。

Deep Learning——使用 TensorFlow 进行深度学习的入门课程。

斯坦福统计学习——机器学习入门课程，侧重于线性和多项式回归、逻辑回归和线性判别分析;交叉验证和引导、模型选择和正则化方法（岭和套索）;非线性模型、样条和广义加法模型;基于树的方法、随机森林和提升;支持向量机。

基于知识的人工智能——佐治亚理工学院的人工智能课程，侧重于符号 AI。

深度强化训练营讲座——深度强化训练营讲座 - 2017年8月。

Google Machine Learning Crash Course 的 Machine Learning Crash Course——包含一系列课程，包括视频讲座、真实案例研究和动手实践练习。

Google 的 Python 类——这是一门免费课程，适合有一点编程经验但想学习 Python 的人。该课程包括书面材料、讲座视频和大量代码练习，以练习 Python 编码。

深度学习速成课程——在这个实时视频课程中，机器学习专家 Oliver Zeigermann 将向您介绍深度学习的基础知识。

人工智能：现代方法——Stuart Russell & Peter Norvig。

还可以考虑浏览推荐阅读清单，按“人工智能：一种现代方法”中的每一章划分。

人工智能编程范式：Common  Lisp 案例研究——AI编程范式是第一本在构建主要 AI系统的背景下教授高级 Common Lisp 技术的文本。

强化学习：简介——这本关于强化学习的入门教科书面向人工智能、运筹学、神经网络和控制系统领域的工程师和科学家，我们希望心理学家和神经科学家也会对它感兴趣。

剑桥人工智能手册——为非专业人士编写，它涵盖了该学科的基础、主要理论和主要研究领域，以及人工智能等相关主题。

情感机器：常识性思维、人工智能和人类思维的未来——在这本拓展思维的书中，科学先驱马文·明斯基（Marvin Minsky）继续他的开创性研究，为我们的大脑如何运作提供了一个引人入胜的新模型。

人工智能：一种新的综合——从基本的反应代理开始，Nilsson 逐渐增加他们的认知能力，以说明 AI 中最重要和最持久的思想。

关于智能——霍金斯提出了一个关于人脑如何工作的强大理论，解释了为什么计算机不智能，以及我们如何根据这个新理论最终构建智能机器。也可从 audible.com 获得音频版本。