如何学习算法或者模型？（持续更新中）

面对一个陌生算法的时候，一开始无法深入地进行理解，如同在一个门缝里面看一个宫殿的内部构造，一时之间是无法看清看全的，这个时候就要考虑如何才能完全了解这座宫殿呢？
从过去学习的经历，我总结出了下面一些方法：

1、透过算法的名称，来对该算法有一个直观的理解；
2、通过一些算法的结构图，从宏观的角度来看这个算法的构成；
3、结合一些公式来对局部的结构节点作进一步的观察；
4、去阅读动手用代码实现该算法，代码中包括了具体的构造过程，进一步加深对算法的理解；
5、阅读大量的博客、论文、文档等，多角度地去观察该算法的来龙去脉；
6、结合其他的算法，对该算法的具体应用场景有一个更加宏观的了解；

如果上面的所有步骤都实践过了，那么这个算法基本上就掌握了七七八八了，剩下的就是多加实践了。

2019.9.26
最近我在学习的过程中，遇到了许许多多的算法，框架，概念等等，面对这些多如牛毛的知识点，让我感觉喘不过气来，深深地无力感，学完就忘，还有新的知识不断需要学习，也没有多少时间回过头来复习，学习AI的道路越来越艰难，于是我不禁回过头来反省自己，在这个学习的过程中，我都做了些什么，有哪些地方我是没有做到的？

“神经网络”学习法

由于机器学习发展还不完善，神经网络的研究也是五花八门，很多博客上的内容都是基于一些已经发表出来的经过公众和时间检验的论文进行的注解或者是一些学习笔记、学习心得，而这众多的论文为了防止论文重复、提高学术壁垒或者是别的一些原因，对同样的一些算法等内容采用了不同的概念来称呼，这样就把初学者带进了 “概念炸弹” 的陷阱中，提升了学习的门槛；反过来看，正是由于这不同的论文对同一事物的描述，让我们可以从不同的角度来看待同一问题，从而看得更加全面。

从悲观的角度来看：
1、AI学习中的概念、算法等像潮水一般涌过来，本身记性就不好，基础又差，学了学不深，这样下去如何能学好AI，是该放弃还是继续；

从乐观的角度来看：
1、AI的学习不同于以往的学习内容，涵盖的领域众多，对个人素质要求全面，更加不容置疑的是，未来AI一定是最强的一股潮流，这时候正好是更新自己的思维，提升自己各方面素质的绝佳的试炼场，无论结果如何，都应该尝试一把；

当面对困难的时候，无论是身体上还是精神上的压力都是空前地大，逼得自己不得不做出改变，以适应当下的环境，重复而无效的体力劳动必然会被淘汰，事半功倍的脑力劳动将被迫登上舞台，环境的笼罩使得你不得不去思考，会明白如果不去思考，等待自己的必将是没有未来的未来。

在此我想出了一个学习方法-------“神经网络”学习法：
假设人掌握一项技能在大脑中的反应是建立一条神经连接，而建立这样的神经连接的方法是多次重复地去学习一些事物并把这些时候在大脑中联系起来，这就是学习的基本规律；
接下来分三步走：
第一步：找到一个知识点，以此为基础，学习与之相关的内容，形成一条条的小连接，如同是构造一棵树，不断地更新它的根节点和叶子节点，顺便加一些节点的权重；
第二步：将第一步找到的树，按照自己的认识把相似的树的根节点连接起来，形成一个更大的树；
第三步：将第二步的大树打破固有的连接，自由连接，形成一张网络，这样就完成的人的大脑的特定功能的一块神经网络区域。

“黑盒”学习法

此方法是上述方法的辅助方法：
在“神经网络”学习方法中，会遇到某些知识点一时之间找不到相近根节点的情况，这个时候又精力又没有办法分散开来去寻找相近的根节点，那么就需要暂时将它的根节点用黑盒来代替，然后黑盒连接最大的根节点，等到该知识点掌握的差不多，然后回过头来打开黑盒，找到黑盒当中的根节点；
以上就是我想到的“黑盒”学习法的概述。

学习方法的思想

无论哪种学习方法，最终的目标都是让这些知识在大脑中形成一个“脑回路”，也就是一套系统的解决方案，一个自成一体的系统，可以不断更新增强的系统。

要相信没有什么东西是学不会的，难，知识因为不熟悉。