①:也是第一步,首先掌握机器学习基础,如梯度下降、svm这类的算法,推荐了书《机器学习实战》《西瓜书》
②:看论文,把不会的问题集中在一起请教老师(关于初学者看什么论文的问题,实际上还是要看比较高质量的论文,这里的高质量不是指“基不基础”的问题,而是指论文的价值高不高,值不值得看。)
③:初学者看论文,不是非得看基础性的论文,而是要看“在某个领域具有基础性的论文”。(因为看论文的意义并不是给我们知识上进行补充,对知识进行补充的过程是通过看书这种浓缩性高的东西来进行的。)为什么要看“在某个领域具有基础性的论文”呢?因为我们如果要对某个领域进行学习,必定要先对这个领域进行大致的了解,于是我们就需看“在某个领域具有基础性的论文”。(关于如何找到在这个领域有基础性的论文的问题:可以看一个领域中,哪个论文被引用的最多,那么这篇论文很有可能就是对整个领域具有代表性的。)
④:找论文:我们可以去顶会论文官网进行检索,或者问老师、师兄师姐推荐。
⑤:看论文:
i:时间紧的话,就看introduction、模型设计和实验部分
ii:论文比较重要的话,应该多看几遍,并且对论文中的公式进行详细推倒。
⑥:应该多去关注一些深度学习的公众号,了解业界的前沿知识。
⑦:关于数学知识:我这种初学者是不知道需要有多深的数学背景才能应对深度学习。目前我给自己定的计划如下:
i:开始看论文,在看论文的同时对不会的一些数学知识进行学习。
ii:学习 《deep learning》的第二、三章。