46岁编程女侠，4个月搞定深度学习，她的经历可以复制吗？
经历现在的你，是否对工作烦躁不安，对学习缺乏动力，对生活迷失方向，对自己无从交代？或许每个人都应该停下脚步问问自己，现在的生活，是否偏离了自己期望的轨道？
本文作者是优达学城Udacity纳米学位的学员王枫，今年已经46岁了，是一家制造企业的产品经理，从今年年初开始，她就不断挑战自我，先是3个月完成《编程入门》，然后马不停蹄，4个月完成了《深度学习》，鼓舞了无数彷徨迷茫的人。现在她更是向难度系数颇高的《无人车驾驶》发起挑战，她简直就是编程界的Wonder Woman！
到底发生了什么，让她如此奋斗，如此执着？我想每一位朋友都应该看看她的奋斗故事。
王枫 某通信设备制造企业产品经理
Udacity 纳米学位学员
3个月搞定“编程入门”
4个月完成“深度学习”
“无人驾驶工程师”在读中
妈妈口中永远“幼稚”的中年人
总是不按“套路”混日子的老员工
一个人撑起一个家的女超人
生命充满无限可能，即使在后半程
5月30号提交完毕业申请，我的心情一下轻松了许多。其实我是很想能够写一篇《仅1年，我是怎么从搞半导体的，变身成BMW无人车工程师》这样的励志篇给那些仍在迷茫求职路上的人看。但我离无人驾驶车工程师这个职位的要求，仍然有相当长的一段学习之路要踏踏实实走。
今天这篇文章，就给那些仍在路上的同道们鼓鼓劲吧。
我的编程基础还是90年代初大学里学的《C语言——谭浩强》。之后除了做研究写论文用过一些 matlab 做算法验证之外，再无任何编程经验和技能。工作以后虽然也一直在研发部门混，但工作一般都比较高端，不用我写代码，属于见过猪跑但没吃过猪肉的大白。交待了这些就来看看怎么才能拿下深度学习这门课吧。
深度学习一共教了四大类网络，神经网络、卷积神经网络、循环神经网络和生成对抗网络。课程有一些数学的要求，如矩阵、矩阵运算、求导、梯度计算、卷积等，但都不是特别难。不需要你将中学大学的数学重头复习一遍，用到多少就学多少。
通常看一看课程推荐的视频，网页文档就搞定了。当然，我这方面定位的是“能用，会用”，不深究原理、过程。如果是想做研究，搞创新和发展算法，那还是要另外多花功夫了。
开始学习深度学习，课程给出的练习也是由易到难。一长串代码中需要学生动手修改的也就是套一套公式，做一下加减乘除。此时的学习都是见木不见林，学完一类网络发现脑子里什么都没留下，却被那不断冒出来的新概念、新封装库，新API弄得晕头转向。我一开始就搞不清楚神经网络的全连接代码，到底应该怎样实现。
因为一个作业中它出现的样子是一个子类，另外一个作业中它又以函数的样子出现了，再一个作业它又变身成 tflearn 中的一个对象，学习了卷积神经网络以后它又变成了 tensorflow 中 tf.nn 的一个对象…… 总之这些你还没认清楚弄熟悉的新东西，像是和你躲猫猫一样，以不同的身份样貌出现在不同的地方。
出现这种情况，就需要一遍一遍反复地复习这些单元课程和练习，慢慢找出它们出现的规律和原因。
例如 tf.nn.XXX 是低级 API，一般需要自己用 tf.Variable 创建 weight 和 bias 的变量，然后传入变量进行操作。tf.contrib.layers 和 tf.layers 是高级 API，不需要自己创建变量了。tf.contrib.layers 和 tf.layers 有很多功能类似的函数，推荐用 tf.layers 的函数。tf.contrib 是不稳定的 API，未来有可能发生变化。有的项目要求你对神经网络的底层有更深刻的认识，所以需要你自己动手编写函数等等。
这门课程比起我之前的《编程基础》，花费的时间可就多的多了。我下班回家基本上不再看电影和追剧了，连前阵子网络最红，朋友极力推荐的《人民的名义》我都没看——为了抵制诱惑把手机里的视频软件全都删了。学得头昏脑胀的时候就给花浇浇水。结果课程学完了，我的花也死得差不多了。请教同事是咋回事，他告诉我——“浇水太多，烂根了！”
随着课程一章一章地深入，各种炫酷亮瞎眼的应用就随之出现了。什么论坛评论中的情感分析、情绪预测、图像识别、机器人写作、照片风格处理、机器生成剧本、机器翻译、机器生成人脸啦等等等等，那真是又兴奋又刺激。这个时候再看国内外科技界的新闻或大佬演讲，孰轻孰重，谁是内行深谙其道，谁是门外汉看热闹瞎咋呼，那是一目了然，居然有了一种居高临下的感觉。才4个月啊，我勒个天，这么牛。
不过说实话，虽然号称4个月拿下了《深度学习》，但这仅仅表明我按时完成了项目作业，达到了质量要求。另一方面，感觉自己离真正掌握深度学习还差了很远，仅仅了解了比较浮浅的一层，照猫画虎或许还行，但灵活运用还远未达到。这也是我需要明确传达出来的思想，即，课程的结束并不意味着你在这方面学习的结束，而恰恰相反，它才刚刚开始。它可以在你后续的课程中延续，也可以在你的工作中延续，不过就是不能停。
如果你也想和王枫学姐一样，不放弃学习和自我发展，在职场中挖掘新的机会、成为顶尖技术人才，让来自硅谷的 Udacity 帮助你吧！零基础成为深度学习超级魔法师，加入这场席卷全球的技术浪潮！
Udacity邀请到无人车之父 Sebastian Thrun 和生成对抗网络（GAN）之父 Ian Goodfellow ，推出「深度学习基石纳米学位项目」！这门课将用充满活力的硅谷方式，通过充满互动的视频、独家实战项目和个性化学习辅导，带你由浅入深地探索这个领域。
毕业时，你将做好准备，在人工智能、无人驾驶等应用方向上大展拳脚，并且获得 100% 加入 Udacity 「无人车工程师纳米学位」、「人工智能工程师纳米学位」的录取保证。
在学习过程中，你不仅可以获得硅谷顶级讲师的指导，还将挑战超酷实战项目，并享受 Udacity 导师指导、逐行代码审核、同步学习小组等学习服务。每周投入10个小时，你就可以 零基础 成为 硅谷认证 的深度学习高手！
Udacity “深度学习”基石纳米学位项目分为"第一学期”和“第二学期”两个学期的内容，你可以根据自己的能力进行选择。
▋ 第一学期：一站式掌握入门深度学习所需要的编程和数学基础。
编程方面你将掌握 Python 知识，熟悉Numpy。数学方面你将会掌握代数、偏导数和矩阵乘法（线性代数）等基础知识。
▋ 第二学期：快速入门深度学习领域，为成为百万年薪的人工智能工程师、无人车工程师、机器人工程师打下夯实基础。
你将学习来自 GANs 之父 Ian GoodFellow、硅谷技术达人 Siraj Raval 独家打造的精品内容，学习 TensorFlow 和 DNN、CNN、RNN等神经网络模型。
你将挑战的酷炫实战项目
接下来，让我们看一下在这门硅谷前沿技术教育平台 Udacity 「深度学习」基石纳米学位项目里，你将会挑战哪些有趣的实战项目（部分）吧！
项目1：分析心理学现象
统计学是数据分析的主要组成部分，它可以帮助你调查数据，并根据观察到的情况作出推论。
在该项目中，你将使用描述统计学和统计检验分析对实验心理学中的典型现象——斯特鲁普效应展开调查，为读者提供直观的数据可视化，并根据实验结果，利用统计推断得出结论。
项目2：探索泰坦尼克号之谜
NumPy 与 Pandas 是实现数据科学诸多问题最重要的 Python 库。
在该项目中，你将选择优达学城提供的泰坦尼克号和棒球运动员中任一数据集，并使用 NumPy 和 Pandas 进行分析，体验从提出问题到发现成果的整个数据分析过程。
项目3：预测未来房价
模型的评价指标是机器学习建模过程中非常重要的一环。
在该项目中你将利用统计分析工具对观测数据建立模型，预测新房屋的销售价格，并评估你的模型的表现好坏。
项目 4： 你的第一个神经网络
你将学习使用 Numpy ，从零开始搭建你的第一个神经网络，它将能够预测共享单车的使用情况。
项目 5： 图片分类
卷积神经网络是目前计算机视觉领域最佳的方法。这些网络可以检测和识别图像中的物体。
在这个项目中，你将学习如何在 TensorFlow 中构建卷积神经网络，并教它学会如何识别与分类图片中的物体！
项目 6： 生成电视剧剧本
循环神经网络特别适合处理序列型数据，如文本、音乐、时间序列数据等。
在这个项目中，你将学会使用循环神经网络生成电视剧台词。借助深度学习的力量，你现在也可以是热门电视剧的编剧！
项目 7： 开发翻译机器人
神经网络是近年来推动机器翻译发展的重要基石。谷歌翻译和百度翻译的最新版本都使用了深度学习架构，可以自动将文本从一种语言翻译成另一种语言。
在这个项目中，你将通过“序列到序列学习”，创造一个可以在你与朋友聊天时即时翻译的机器人，再也不用担心语言成为友情的障碍。
项目 8： 生成人脸
正如 Yann LeCun 所说，生成对抗网络是深度学习最根本的进步之一。
在这个项目中，你将使用生成对抗网络（GAN）来生成原创的人脸图像，看看你会“画”出什么样的容颜？
如何加入这么酷的课程？
扫描下方二维码，了解硅谷顶级讲师 Siraj Raval 主讲的 深度学习基石纳米学位 详情：
课程将于 12月14日 正式开放报名！本期限定 300 席，长按扫描上方二维码，加入开课通知群：
＊ 获得来自硅谷的《深度学习终极就业指南》；
＊ 获得课程免费体验入口；
＊ 了解课程最新优惠价格；
＊ 抢先预定本期剩余席位；
＊ 群内工作人员将为你解答任何课程相关疑问。
点击[阅读原文]，了解项目详情：