自学当然是可行的！如果你是人工智能领域的零基础小白，可以看看这份学习计划，部分附资源链接，除了书籍，配合一些视频学习效果会更好哦。
一、人工智能
书籍：“Artificial Intelligence: A Modern Approach (AIMA)” （人工智能：一种现代方法）
不可多得的综合性书籍，总体概述了人工智能领域，几乎涵盖新手需要了解的所有基本概念。
视频：
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/
Artificial Intelligence course（人工智能课程）系列视频讲座，通过训练AI玩游戏这类趣味实践来介绍基本知识，如果视频太快跟不上，可以配合从上面这本书（现代方法）中寻找相关概念。
二、机器学习（计算机科学和统计学的交叉学科）
视频：
机器学习基础薄弱的，可以先去TutsPlus课程“Machine Learning Distilled”看一下相关概念简述，Coursera上的Andrew Ng机器学习课程，也有基本概念的解释，还介绍了大部分重要的算法。
（https://www.coursera.org/learn/machine-learning/）
对ML算法了解不够的，可以配合以下教学视频进行理解
TutsPlus的“Machine Learning Distilled”（简要概述）
Perer Norvig 的Udacity Course on ML（ML Udacity 课程）
Tom Mitchell 的 Another course on ML
书籍：集体智慧编程（Programming Collective Intelligence）
ML算法在Python中的实践，大量基础性的实例，讲述生动，很适合入门学者，培养兴趣的同时又开拓视野，让你不想懂都难！
三、深度学习（是机器学习里最近比较火的一个子集）
DL基础方面的准备工作：
Google上的great introductory DL cources
Sephen Welch的great explanation of neural networks
书籍：
Deep Learning With Python（可自行度盘下载https://pan.baidu.com/s/1kUThYHT）
介绍DL应用程序中的最先进成果，深入浅出，带领新手快速开始构建基础并且接触实践案例，包含Keras、TensorFlow时下最先进的工具。
Neural Networks and Deep Learning（神经网络与深度学习）
（可自行度盘下载https://pan.baidu.com/s/1miLerZM）
新手友好，作者在数学密集的区域都有标注提示。MNIST手写数字的识别问题贯穿全书，每个模型以及改进都有详细注释的代码。
