AI机器学习初学者可以看看

    AI机器学习相对来说是一个门槛比较高的领域，有大量数学公式，理论推导，也需要大量看英文论文。去年我花了2个月时间学习了基础知识。比如各种概念:熵，损失函数，优化算法，广义线性函。各种模型：K最近邻算法，决策树，随机森林算法，朴素贝叶斯，线性回归，逻辑回归， SVM,  WordVec, 神经网络。

    然后后面就是focus在卷积神经网络模型这一块，因为这个应用最广泛，比如图像风格化，抠图去背，语义识别(LSTM)。这里面又涉及大量概念：卷积，池化，全连接，激励函数，反向传播，NIN,  残差网络, 归一化(BN, LRN, RN)

    然后就是实践，涉及TensorFlow, Caffe, Torch等平台编程training模型算法。最核心的是看别人的论文，自己摸索修改参数，training, 修正不断training。然后因为各方面的原因，我暂停了AI方向的研究转向了区块链方向。

    由于这部分的学习有段时间了，原来的学习笔记整理需要耗费比较长的时间，而目前又将重心放在区块链方面，因而只是在我的博客里转发了我自己学习过程中精选的很好的文章，希望能够节约初学者一点找资料的时间。

    总结：先学习基本概念，模型，然后选择一些模型自己推导，然后学习python，使用TensorFlow实践，然后根据经典应用比如图像风格化，查找论文及参考其他人的实现，自己实践操作.