「03」机器学习、深度学习该怎样入门？

我本科是个和计算机、数学毫不相关的人文类专业，后来用了大三、大四两年时间，从中学级别的数学捡起，一路自学、实习、读研到现在。我太熟悉入门时候的坑了，直接从一大堆概念、公式、书单入手，谁看谁懵。

所谓入门，绝不是粘课程链接、讲概念定义。有些答案确实解释的非常通俗，但这不叫入门。

古语说入门，就一句话

师傅领进门，修行在个人

所以我不会随便复制粘贴一些高分书目，或者讲讲什么是深度学习。我希望能从一个不一样的角度来回答该如何入门深度学习，希望可以授人与渔，教教大家入门的方法论。

对于自学成分居多、想转行、转专业的同学来说，我的入门经历或许可以当作过来人的经验之谈，供大家参考。

对于非常幸运已经在计算机、数学等算法相关专业读书的同学，也可以看看我踩过的坑，走过的弯路，用作警示。

---

第一步、找到兴趣

很多同学入门深度学习，做的第一件事往往是上知乎、搜索引擎找相关资源，或者GITHUB翻项目，希望找到一份完美无缺的入门教程。

但很可惜，这份“完美教程”并不存在。于是，不少人只能硬着头皮从这个问题下海量的推荐书目，课程看起，看到最后晕头转向，兴趣被消耗殆尽。

正确的姿势应该是：先找到兴趣

先不要管什么是梯度、怎么搭建网络、要看哪些书，如果有人这么教你，请跳过那些答案。先想想自己为什么对深度学习感兴趣，然后找到自己感兴趣的点。这样做的最主要原因是，深度学习范畴下的分类太多太多了，每一个分类都可以当作博士研究、公司业务的领域，也就是说，除了深度学习最基础的一些知识（可能占所有知识的50%），其他的你并不需要深入了解：

• 如果你对计算机视觉感兴趣，那么除了基础知识，你还需要学习C++，学习图像识别、传统物体识别的知识。同时，你没有必要去深入了解RNN和各种变体，也不需要自己推导因子分解机。
• 如果你对自然语言处理感兴趣，那么你要更加了解RNN和transformer框架，你要深入了解word2vec机制，尽管它并非起源于深度学习理论。你不需要学会CNN反向传播如何推导，也不需要知道玻尔兹曼机该如何应用于语音识别。

如此一来，有两点好处

1. 你的时间被大大节省了，至少缩短你50%的教材、课程阅读时间
2. 你对特定领域的了解提高，在打好基础的同时࿰