1.机器学习

今天正式开始机器学习的内容，其他的内容也将同步更新。

首先，确定学习路线图。

1.选择入门材料。首先，学习Neural networks and deep learning这本书。

2.学习deep learning，挑一个框架做实验。我推荐 pytorch/tensorflow/mxnet 里面选一个。然后一边看书，一边实验，把梳理中的东西实现一下，把框架里的教程也跑一遍，这样对于深度学习就入门了。从这里开始，接下来你的学习可以分成两个分支了，分别对应理论和工业实践。

3.1 找一个专门的问题开始钻研，不断地试验自己的想法，前人没有的想法。同时阅读这个领域最新的文章，尝试实现。比如你可以挑物体检测这个问题，既然你对于理论和实践都已经比较熟练了，你完全可以开始修改别人的网络架构，改变训练的模式，尝试把先验信息加进来。总之，有很多的玩法都可以实验。说不定玩着玩着就能写一篇文章出来发表。对应理论，以后的主打方向。

3.2 尝试实现一个自己的深度学习框架。目前深度学习离不开 c/c++ 和 cuda，所以你可以从头写一个 c/c++ 版本的，把坑自己踩一遍，这样工程能力肯定大为提高。或者，你也可以利用现有框架的后端实现一个前端，这样你对于这些框架后端的理解也能够大为提高。且你的所有的想法都可以写进这个前端里面。比如 pytorch 就是用 torch 的后端实现了一个 python 的前端，而且相比于原版的 torch 有了很多改进。

。