Colin_Downey

另一个角度来看，并不是说使用学校教材和课外教材是差异有多大的两条学习路径，而是时间成本的问题。单说《计算理论导引》这本书——419页全英——要从头到尾细细思考读完，也需要不少的时间（一学期18周课跟着看完，每周至少也需要三至四个小时吧？）。而目前本科课程的安排，各类不同的课程并不少，以及还有许多莫名其妙的杂事。因此，在需要保证课内任务完成的同时达成这种额外的学习任务，我认为至少对于我来说是很难兼顾的——毕竟有时周末睡个大觉，半天就差不多过去了。

所以说，在本科阶段能够阅读完这些大部头的同学，我想应当是对计算机方向已经有深入的决心，并且有很强的自律能力，我很佩服。

对于这位同学遇到的问题，可能也可以说是时间分配上的问题。如果毕业就要就业，那课余的时间是玩游戏，阅读大部头，还是看看编程培训资料，还是做做项目？如果是打算继续深造呢？这就是个人自己需要做出的选择了。

个人的路还是得自己走，自己没有试过很难说谁的建议是最合适的。但回过头来说，这些书读了肯定好，没有读也不至于遭受巨大的损失——大不了需要的时候再回头来读就是了。

Sofiya_ 现在人工智能方向所指的范围非常大，不同子方向的研究范围、研究方法可以相差很大。所以说单说人工智能的东西很难说是一个什么东西，指称不清晰。比方说问siri一个问题，就涉及到语音识别与转写、开放式问答系统、语音生成等方向，语音处理就涉及许多相关的深度学习技术。而开放式问答系统涉及更多的子问题，比如实体识别、关系抽取和知识库问答等等。
大一的话先好好学习打好基础，课余可以看看自己感兴趣的入门资料。之前论坛也有一些这些方面的讨论贴，可以参考：https://0xffff.one/d/1078-yan-yi-de-xiao-mi-mang/2

人工智能和大数据的基础个人推荐台湾大学李宏毅老师的机器学习网课，b站有。
数学方面主要需要有线性代数和概率论的基础。（线性代数李宏毅老师也有网课，可以二倍速刷一遍）
看文献要有英语基础。

看文献可以先看看相关方向文献综述，找找感觉，比如（顺手找的，不太新了）A State-of-the-Art Survey on Deep Learning Theory and Architectures，A Survey of Deep Learning and Its Applications: A New Paradigm to Machine Learning，Big Data Deep Learning: Challenges and Perspectives（2014），Deep learning

想到有补充再更（