我的深度学习之路

个人深度学习的学习路线

一、前言

1.1学习目的

我是一名普通的不能再普通的大学生，然后决定奔跑-让原本沉闷的生活变得有风,所以有了以下的内容。
我原本是机械电子工程专业，21考研后选择了人工智能的深度学习方向，写下此文的主要目的是为了记录自己学习过程。同时也希望让有着像我一样没有任何基础的小伙伴进入这个领域学习少走一些弯路。

1.2学习路线

因为去年考研的学习过程中让我养成了一个学习习惯，所以才会有了这一节的内容。首先从整体上对要所学的有一个认识；其次综合网上各个渠道大牛的学习建议，对着学习的路线进行规划；然后结合自身情况安排学习过程修、学习计划；最后在学习过程中对计划不断进行修正。

二、第0步：基础准备阶段

2.1python基础

（1）莫烦Python

1.莫凡的python基础教程
【已学习】b站搜索就能找到，自己花了2天学习，因为本科时期有基础，学起来不是太费劲。
2.前期准备,python科学运算，数据整理还有出图像结果的模块，这三个必不可少：numpy 教程., pandas,matplotlib.
【已学习】花了三天学习，没有进行练习，本科时期有MATLAB基础，理解起来比较简单，打算用到时再看对应的句法。
3. 进阶准备，在机器学习方面，scikit-learn [教程] 是汇集了众多机器学习方法的模块，它支持各种各样的机器学习方法。你总能找到适合你项目的。
作者：莫烦 来源：知乎 链接.

（2）《Python从入门到实践》

因为莫烦老师讲的课相对来说比较快，个人认为学习还是慢下来，毕竟慢慢学才是快。
【已学习】1-11章节为python的基础语法部分
12章节后为项目实践部分，第一个外星人大战项目搁置（卡在子弹发射部分），计划刷完廖雪峰教程后继续

（3）廖雪峰教程+刷题

【7.19开始】在学习这一部分之前没有系统的刷过题目，所以在开发外星人大战的小游戏中不知所云，希望大家不要像我一样，要边听课时便动手。
所以打算边看廖雪峰教程的python3部分边刷对应的习题。下一阶段刷leetcode题目，这一步为长期过程。
【2.10】易化AI
听课刷题

2.2数学基础

（1）高等数学

【已学习】主要是微积分，偏导数部分

（2）线性代数

【已学习】主要是矩阵乘法、求逆，奇异值分解/特征值分解，行列式

（2）统计与概率

【未开始】主要是概率分布，独立性与贝叶斯，最大似然（MLE）和最大后验估计（MAP）等
因为去年考研考得是数二，所以这部分未学习。不过网上很多大牛认为：建议在机器学习的过程中哪里不会补哪里，这样更有目的性且耗时更低。
【学习中】期末考试复习一周

2.3机器学习基础

（1）吴恩达的机器学习课程

【已听到四周】将这一课程作为自己入门学习的主课程（1-5周）
以这个为基础，学习相应概念后去看cs231n。

（2）致敬大神的B站西瓜书

【2.6】基本概念

三、第1步：环境搭建

【已完成】python3.6+anaconda3+pycharm2021
因为自己笔记本显卡是amd的,下阶段需要学习kaggle平台

四、第2步：深度学习入门

1.深度学习

（1）入门_鱼书

【7.22已开始】理解cs231比较困难，在b站找到致敬大神一起啃书系列，此书比较基础，适合入门

（2）pytorch

【7.26已开始】首先听了莫烦的快速入门

（3）吴恩达、李宏毅的深度学习

【7.31已开始】通俗易懂，中文教学英文课件-完美

2.计算机视觉

（1）cs231n

【7.19已开始】暑期第一次组会后，师兄们建议直接从cs231n开始，将这门课程和pytorch在暑假粗略的过一遍，对未来要学的东西有一个大概的认识。然后在系统性的学习。
B站搜索就可以找到，教材我是打印的知乎上杜克翻译的课程笔记pdf。
学习原则：
①这一课程作为自己的主要课程（自己基础太弱，进行不下去）
②今日学习后次日看对应的笔记书籍
③对于听不懂得概念不要跳过，去看机器学习中对应的概念
④第一遍时不用纠结课后的代码
【10.16】开学导师，师兄带着走第二遍

（2）唐宇迪实战

【11.2】动手跟着敲

未完待续。。。。。