50天入门人工智能！

看了几十篇文章，整理了以下学习难度曲线相对平滑的AI入门路径：

1. 快速学习编程（python）
   2. 了解一些数学基础知识 （高数、概率论、线代）
2. 直接实战
3. 理解概念 （热门书籍和理论课程）
4. 进阶（读论文）

目前已有部分基础，但会跟着入门路线大致走一遍，两个月后（2022.12月初）回来更新实际的使用体验：每日打卡贴

---

一、PYTHON

建议学习周期：1-2D（1D=8H）；亲测4个钟可以过一遍：

掌握入门知识即可：数据类型与对应操作、判断和循环语句、函数、面向对象、文件操作、Debug；进阶操作可在之后使用中逐渐掌握

资料： 只要半天！入门Python

---

二、数据分析

建议学习周期：2-3D；亲测8个钟可以过一遍：

Numpy、Pandas和Matplotlib三件套，无需系统学习，函数极多，了解有什么函数，具体有什么作用，以后需要才去找。

资料： [只要一天！入门Numpy&Pandas&matplotlib]

---

三、数学基础

建议学习周期：3D；我感受了一下，在【四、机器学习】里的视频讲了一些数学部分，所以跳过【三、数学基础】，之后再补

暂时不用学深（思考这个公式能解决什么问题，而不用纠结公式的推导与计算。比如全局最优解就是极值点，所以最优解一定在导数的某一个拐点处。），浅学一下，了解公式的作用；复习的时候也不需要记住，只需要作笔记，以后需要用到的时候回来查笔记

1.高数 （导数，梯度，泰勒公式）

2.线代 （向量、矩阵、运算、范数、特征向量和特征值）

3.概率论（快速过一遍，了解一些基本概念）

资料： 待更

---

四、机器学习

建议学习周期：20-35D

先从整体上了解这项技术的功能（实战），再深入理解技术的原理（理论）

实战： Jeremy Howard或菜菜的sklearn或黑马程序员3天快速入门python机器学习
（每个我只看了半个钟，我觉得【黑马程序员3天快速入门python机器学习】这个女老师讲的非常不错，很适合我的需求，基础差但想快速上手，实战与理论都有，但很多人对培训班的教程嗤之以鼻，所以看个人喜好挑选吧）

理论： 吴恩达机器学习或李宏毅老师，搭配用书《机器学习》（西瓜书）和《统计学习方法》（1，2，4，5，6，8，如果有不懂的，推荐刘建平老师的博客）

注：逻辑回归弄透，为了后续DL打基础

我的学习路径： 入门机器学习（有手就行系列）

---

五、深度学习

建议学习周期：20-35D

实战： Jeremy Howard、PyTorch深度学习快速入门教程

理论： 吴恩达深度学习 （暂时学到CNN即可）

先看神经网络部分。如果你之后想学图像方向，就接着看计算机视觉部分，然后对序列模型进行了解；如果准备往自然语言或推荐方向发展，则推荐先看计算机视觉部分，掌握CNN的基本常识后，再去学习序列模型全部内容

---

六、更多项目实战（待更）

---

七、其他

【白板推导系列】：机器学习与深度学习数学原理板书推导

【板书推导】：神经网络的原理（P19-P24为神经网络）

【数学基础资料】：《数学之美》

《图解深度学习》与《深度学习》：前者用图解的方式剖析了深度学习的原理，适合初学者；后者是深度学习领域奠基性的经典教程。

---

八、进阶阶段（待更）

经典以及热点文献

---

https://github.com/chehongshu/Artificial-intelligence-diamond-chinese
https://zhuanlan.zhihu.com/p/449014929
https://www.zhihu.com/question/21277368/answer/696222749