学习人工智能（AI）是一个非常有前景的选择，无论你是初学者还是有一定基础的学习者。以下是一些获取 AI 教程的建议和资源，你可以根据自己的需求选择合适的途径：

1、在线教育平台
许多知名的在线教育平台都提供了丰富的 AI 相关课程，适合不同层次的学习者。

Coursera
Coursera 提供了由斯坦福大学、卡内基梅隆大学等顶尖高校提供的 AI 课程，比如：
吴恩达（Andrew Ng）的《机器学习》（Machine Learning）
深度学习专项课程（Deep Learning Specialization）

edX
edX 提供了由 MIT 和哈佛大学合作开设的 AI 课程，例如：
MITx: 6.S099 Introduction to Deep Learning
HarvardX: CS50's Introduction to Artificial Intelligence with Python

Udacity
Udacity 提供了多个 AI 和深度学习相关的纳米学位项目，例如：
人工智能工程师纳米学位
深度学习工程师纳米学位

网易云课堂 / 网易公开课
网易提供了很多国外优质课程的中文翻译版本，例如吴恩达的《机器学习》课程。

2、开源教程与书籍
如果你更喜欢自学，可以参考一些经典的开源教程或书籍。

书籍推荐：
《Python深度学习》（François Chollet）
《统计学习方法》（李航）
《机器学习》（周志华，西瓜书）
《深度学习》（Ian Goodfellow 等人）

开源教程：
Fast.ai
Fast.ai 提供了一个非常友好的深度学习入门课程，内容通俗易懂。
网站：[https://www.fast.ai/](https://www.fast.ai/)
Google 的机器学习速成课程
Google 提供了一个免费的机器学习速成课程，适合快速入门。
网站：[https://developers.google.com/machinelearning/crashcourse](https://developers.google.com/machinelearning/crashcourse)

GitHub 开源项目：
有很多 AI 和深度学习的开源项目，例如 TensorFlow 官方教程、PyTorch 教程等。
TensorFlow 教程：[https://www.tensorflow.org/tutorials](https://www.tensorflow.org/tutorials)
PyTorch 教程：[https://pytorch.org/tutorials/](https://pytorch.org/tutorials/)

3、视频教程
如果你想通过视频学习，可以尝试以下资源：

B站（哔哩哔哩）
B站上有大量关于 AI 和深度学习的中文讲解视频，适合初学者。
关键词搜索：深度学习、机器学习、神经网络

YouTube
YouTube 上有许多高质量的 AI 教程，尤其是吴恩达的课程视频。
频道推荐：Andrew Ng、3Blue1Brown（数学可视化）

4、实践项目与竞赛
理论学习之外，动手实践非常重要。可以通过以下方式提升实战能力：

Kaggle 平台
Kaggle 是一个数据科学和机器学习竞赛平台，提供了大量的真实数据集和比赛题目。
网站：[https://www.kaggle.com/](https://www.kaggle.com/)

GitHub 实战项目
在 GitHub 上搜索 AI 项目，找到感兴趣的代码并尝试运行。
关键词：TensorFlow, PyTorch, Machine Learning Projects

5、本地资源
如果你希望离线学习，可以下载相关资料：

下载 PDF 版本的书籍或教程。
使用 MOOC 平台下载课程视频。
利用网盘或百度云下载开源项目的代码和文档。

学习路径建议
对于初学者，建议按照以下顺序学习：
1、编程基础：掌握 Python 编程语言。
2、数学基础：学习线性代数、概率论和微积分。
3、机器学习基础：学习监督学习、无监督学习等基本概念。
4、深度学习：学习神经网络、卷积神经网络（CNN）、循环神经网络（RNN）等。
5、实际应用：参与竞赛或开发自己的项目。

如果你对某个具体方向（如自然语言处理、计算机视觉、强化学习等）感兴趣，可以告诉我，我可以为你提供更详细的资源！