我的目标是编写一个能够从人类语言查询中提取语气，个性和意图的程序（例如我输入：你今天做得怎么样？人工智能系统的反应类似于：好。你好吗？）
我知道这是一个非常重要的问题，那么我应该开始熟悉哪些深度学习主题以及哪些Python模块最有用？我已经开始关注NLTK了。感谢。
答案 0 :(得分：4)
规范的AI书将是Stuart Russell和Peter Norvig的Artifical Intelligence以及随附的课程：https://www.udacity.com/course/intro-to-artificial-intelligence--cs271
对于更流行的自然语言处理（NLP）任务有用的机器学习理论（ML）的良好起点是Andrew Ng's machine learning course。
机器学习和内部工作的良好实际应用将是University of Washington's ML course与Emily Fox和Carlos Guestrin
至于NLP，一本受欢迎的入门书将是Jurafsky and Martin's Speech and Language Processing
至于NLP的更多统计视角，Manning and Schutze's Statistical NLP book/course
对于更实用的NLP方法，NLTK book是一个很好的起点：
为了全面了解NLP技术多年来，ACL anthology保留了大部分着名的NLP论文的存档。
另一个很好的资源是通过NLP / ML / AI的会议程序，Joel Tetreaul保留相关会议的最新列表及其提交日期：http://www.cs.rochester.edu/~tetreaul/conferences.html
在线有大量的AI，ML，NLP资源以及最近的神经网络。一个很好的论坛，你可以问任何东西（不像Stackoverflow可能是限制性的）是https://www.reddit.com/r/MachineLearning/，可能更合适的stackexchange将是datascience.stackexchange.com
您可以通过谷歌搜索github上的awesome列表轻松找到AI / ML / NLP的资源，例如：
答案 1 :(得分：4)
@alvas的优秀建议
深入学习，看看谷歌的Word2Vec算法。它特别适合NLP问题。这是一个介绍用例
http://multithreaded.stitchfix.com/blog/2015/03/11/word-is-worth-a-thousand-vectors/
谷歌最近还发布了一个名为Tensorflow的机器学习python库，Word2Vec也是其中的一部分
最后，让你的手弄脏的最好的地方是Kaggle比赛。尝试阅读介绍用例，了解NLP和机器学习可以做什么
https://www.kaggle.com/competitions
大多数比赛看起来都很具挑战性，但Kaggle有一套非常好的教程/入门比赛，可以帮助你入门。一旦你知道如何设置基本的NLP / ML任务，那么你就可以了解你喜欢的用例。
快乐学习:) 快乐学习