如何入门AI？
一、有计算机和数学基础，可以通过各种资源自学，不一定要读博
1、编程，从pathon开始，读别人写的代码，Github上写很好的代码
2、数学，概率论、微积分，线性代数
3、课程，吴恩达系列，CS231n
3、论文，读一定量的论文，不要太多
二、实践中学习
1、坚持编程
2、开始一个项目
三、重要的理念
1、相信直觉
2、不被工具化：必须接触到最底层，知道一切程序背后的原理，不要随便抽象化，你必须充分了解全部，了解整个流程，例如自己写库，实现卷积神经网络
3、经验之谈：
不要一开始就用TensorFlow之类的东西，一旦你自己写出了最底层的代码之后，你可以用，因为你知道所有背后的原理，这样你就很放心，尽量从基本原理入手获取认识，真的很有帮助
自己动手编程，现在有太多插件可用，但是使用者根本不了解自己在做什么或者只停留在粗浅了解的程度，一旦出现问题，使用者很难解决也不知道原因，所以大家要亲自实践，即便效率不高，只要知道是怎么回事就好，这很有帮助，尽量亲自动手
如果可以的话，尽量从基本原理入手获取认识，真的很有帮助
多阅读，多看看别人的代码，自己动手编写代码，多做实验，要真正理解自己做的每一件事
视频地址：有些网页是图片，以下亲测可看
https://study.163.com/topics/deepLearning/?utm_source=baidu&utm_medium=cpc&utm_campaign=affiliate&utm_term=DeepLearning06&utm_content=SEM
附：大神观点
1、Geoffrey Hinton【强烈推荐，看英文字幕，有些神韵的地方翻译很难传神】
发明最多深度学习理念的人，坚持做自己相信的事情
入门建议：多读论文但别读太多，对有创意的人，发现错误点，然后想这样才能做对，当人们发对你时要坚持自我，永远不要停止编程。
And I have a very good principle for helping people keep at it，whinch is either your intuitions are good or they’re not.
If your intuitions are good , you should follow them and you'll eventually be successful.
If your intuitions are not good ,it doesn't matter what you do.
Inspiring advice, might as well go for it.
【我试着翻译一下】相信直觉，如果正确那就应该行动最后会取得成功，如果错误，那你做什么都没有意义。
2、Pieter-Abbeel
自学能力+有经验的人来推动你成功
3、Ian Goodfellow【推荐】
线性代数和概率论非常重要
必须掌握基本数学，这是算法的基础
其中一种获得机会注意的方式是：在Github上写很好的代码
写文章并发表到arXiv手上也是可以的
一边阅读那本书，同时开始一个项目，总之要选择某种方式将机器学习应用到你兴趣的领域
4、Ruslan Salakhutdinov
应该实际了解深度学习的底层
要求学生：实际编写卷积神经网络的反向传播算法
好处，很难，但是做过你就真正了解这些系统背后的运作原理以及如何在GPU上高效实现它们
5、Andrej Karpathy【推荐】
教授CS231n课程，一直讲到最后的技术实现，所以你必须接触到最底层，知道一切程序背后的原理，不要随便抽象化，你必须充分了解全栈，了解整个流程
当我这样学，学到的东西最多，就是你自己从零开始去实现，就是这部分学习性价比最高
自己写库，Javascript写的，可以实现卷积神经网络，那是我学习后向传播的方法
我一直建议别人，不要一开始就用TensorFlow之类的东西，一旦你自己写出了最底层的代码之后，你可以用，因为你知道所有背后的原理，这样你就很放心
6、林元庆
国家深度学习实验室——中国的旗舰，百度拥有这个实验室
更好的数据，更好的算法，更好的产品——正向循环
7、Yoshua Bengio【强烈推荐】
不是让系统实现什么功能，而是回到最本源的原理，如何让电脑来观察世界，与世界互动，发现世界
研究深度学习和应用深度学习需要的东西不一样，但无论哪种情况都要时间
需要大量阅读，自己动手编程，现在有太多插件可用，但是使用者根本不了解自己在做什么或者只停留在粗浅了解的程度，一旦出现问题，使用者很难解决也不知道原因，所以大家要亲自实践，即便效率不高，只要知道是怎么回事就好，这很有帮助，尽量亲自动手
如果可以的话，尽量从基本原理入手获取认识，真的很有帮助
多阅读，多看看别人的代码，自己动手编写代码，多做实验，要真正理解自己做的每一件事
多问问自己，我为什么要这么做，人们为什么要这么做，也许书中就能找到答案，所以要多读书
【他是ICLR的创始人之一，所以有软广的成分】
【亲测有效】http://www.iclr.cc/doku.php?id=iclr2018:previousyears
ICLR大会论文集可以说是优秀论文最集中的所在
当然NIPS ICML和其他大会也有非常优秀的论文
如果你想阅读大量优秀论文，去看看最近几年的ICLR大会论文集就好，你会对这个领域有一个良好的认识
不需要攻读五年博士也可以精通深度学习
概率、代数和最优化、微积分
直觉很重要