【牛津报告揭中国AI三大短板】中提到“目前，人才仍然是中国人工智能发展的主要瓶颈”。
今年两会AI已写入政府工作报告。
各大互联网企业也纷纷在圈占AI资源与人才，等等信息。
- 从以上多方面可以看出，AI已是大势所趋，故我也顺势而为，坚定往AI方向发展。
这里要特别感谢@黄钊 老师（公众号：hanniman)带我入坑，也感谢之前写过教程的@李杰克、@howie 等同学的分享。不过我自己学过来还是走了一些弯路，故我也整理出了更符合学生小白更高效的学习路径，并将其分享给有需要的同学。
学习目标
- 了解深度学习的应用场景
- 熟知深度学习的基本技术逻辑
学习成果
1 MNIST手写体数字识别（训练中）
image.png2 CIFAR-10图像分类（训练中）
（3 流场中钝体的受力预测（毕设课题Matlab）
image.png
个人情况介绍
- 大四船舶与海洋工程专业，转行学习互联网两年半，有一定的产品策划基础，但是缺乏AI相关知识，也不懂编程知识（只会一些MySQL）。
学习最优路径
(为便于大家学习，资源均为中文版）
第一步：了解基础知识、高数、线代、概率论、Python基础语法
- 线代、高数、概率论为大学基础课程，捡一些基础就够用，捡起来很快，也可在学习神经网络过程中碰到不会的再回头学习；
Python完全没接触过，但因为大一有C的底子，故花一两天时间把基础语法用清楚，这里学习廖雪峰的Python手册前四章即可，Numpy手册、Pandas手册，两者均从属于Python，为神经网络必须工具包，在编神经网络时需要用到；
有底子一天学完即可。
第二步：了解机器学习原理
- 首先看Google机器学习速成课程，建议看该视频入门，当杂志一样，一天把它消遣娱乐完（需科学上网）；
如果有多的时间，把该课程网站里的术语库好好理解几遍，不求完全记住，只需要能够之后碰到的时候来这儿检索就行；
这里花费一到两天。
第三步：安装环境
- 下载并安装Anaconda后即可使用spyder运行Python，在该环境中安装tensorflow后即可使用tensorflow。
顺利的话两个小时就好了。
第四步：实操神经网络
实操神经网络Demo-上
先看吴恩达的机器学习教学视频，讲神经网络原理鞭辟入里，极其精彩，对模型有了一定认知后，开始阅读Tensorflow手册、Keras手册，建议熟练1、2手册后，先用Tensorflow做Demo以理解神经网络原理，在此基础上，用Keras来降低代码数，提高编程效率；实操神经网络Demo-中
之前的学习都建立在理论基础之上，现在可以开始用Python建立、训练模型并预测。莫凡的神经网络教学带你一步一步的编Demo，若有原理不理解处，可回头看相关手册或者吴恩达的视频；实操神经网络Demo-下
MNIST手写体数字识别、 CIFAR-10图像分类是入门经典的Demo，在tensorflow手册、keras手册里面会有讲解，如果有任何不懂的，直接百度，相关教程很多。
实操阶段最费时间，前期理论基础若不扎实需多次返回上述资源熟悉概念与原理。
*注意部分实操导入数据需科学上网。
其他学习资源
- 纸质书资源
① 面向机器智能的Tensorflow实践、② Keras快速上手-基于python的深度学习实战
①是几位使用Tensorflow的研发者从自身角度讲解该模型底层原理，并从实践角度介绍如何将两种常见模型-CNN、RNN应用到图像理解和自然语言处理的典型任务中的一本书；
②是由腾讯AI Lab副主任俞栋博士作序，微软科学家谢梁、Google科学家鲁颖和微软工程师劳虹岚为深度学习领域的学生、工程师编纂的一本入门书，内含推荐系统、图像处理、自然语言处理、文字生成和时间序列等案例。
两本书连我都看得懂，故良心推荐。里面的基础知识和电子手册、视频有重复，但书里的案例深入浅出，可以多研究尝试。
学习注意点
- 前三步基本都是理论基础，花费时间较少，但第四部实操会花费大量时间，故建议选取大块时间实操，以免中断返工；
- 不懂的名词记录下来，每天反复看、反复理解，实在不能理解就回去看视频。书册学习更高效，视频资源更形象；
