百度AI studio平台学习笔记

百度Paddlepaddle深度学习学习营笔记总结

自学深度学习过程

开始了解到百度深度学习AI Stuidio平台时，不是它终于出现的感觉，而是我终于等到它的感觉。
过去学习机器学习知识的方式中，会有以下三个问题：
1.流行框架众多，上手时间需要比较长
2.对于编程基础以及其他知识要求比较高，需要有大牛点播，才会成长的很快
3.无论在学习哪种知识时，实践是获取知识的必经路径，而从前学习时，代码实践过程比较麻烦，因为机器学习过程需要数据处理-模型训练-模型评估等阶段，其代码量是比较巨大的

而上述三个问题，在百度AIStuido平台面世之后，这一切都已经不是问题。

1.有资深的一线技术人员授课，可以亲身体会机器学习技术的真实应用场景，不再是论文层面的理论讨论。
2.课程过程中，分理论、实践两部分，通过视频讲解内容，通过AIstudio平台进行作业，作业时提供CPU与GPU两种训练引擎，代码调试完全线上化，同样解决了代码调试过程中环境搭建的困难

AI学习地图，可以让你尽快上手AI学习
https://aistudio.baidu.com/aistudio/learnmap
注册百度账号后，可以进行线上体验。

当然，作为一个半小白的学习过程而言，课程本身也并不是无懈可击的，如果你想学习百度AI Studio上的课程，其实对于“新手入门”这个系列对于小白还是有难度的，你最好要做以下准备。

1. python语言的基础
2. 机器学习大体概念
3. 当然，还有你要有自己能学会它的决心。

如果你具备我所说的几点要求，那就别等了，赶紧上车吧。

简单介绍我参加的课程内容，以及我的建议

我目前参与了以下的学习。

我学习了以下三门课程
1 百度架构师手把手教深度学习
2 深度学习7日入门-CV疫情特辑
3.机器学习的思考故事

如果你是机器学习小白，那么我的建议是
先看机器学习思考故事
在这门课程当中，我认为这里面的毕老师是目前我觉得讲课水平最高的（注意：当然其他老师也都是技术大牛哈），他会从生活中的应用层面，通过身边一些通俗的案例，帮你深入了解为什么需要学习机器学习，机器学习是如何发展起来的，
在这里我有一点个人的观点：
往往我们看很多教学视频时，都会一开课就告诉你这门课的用途，它的历史，它的发展。
其实我学习机器学习的过程告诉我，一开始去听那些历史比如说从LeNet到AlexNet再到VGG到GoogLeNet等之后的发展历程，其实体会是十分浅显的，反而当你了解里面的内容之后，你再去回看那段过往的历史，你才能体会到，为什么神经网络这种机器学习的方法会数次进入低谷；各类网络又是如何发展起来的。
课程带你了解机器学习之后，
会告诉你机器如何学习，为何能学习，怎么样让我们的模型更强大。
学习完这些内容，相信你对于机器学习的基本概念是没有什么问题了，那接下来进入实际操作的时候，你会更好的理解机器学习里面的诸多概念。
下面是课程B站链接
https://www.bilibili.com/video/BV1bE41117vw?from=search&seid=1951993629100767921

再看百度架构师手把手教深度学习
这门课程将带你真正走入深度学习，当然我也认为有不好的地方，因为大部分都在讲paddle这个框架的使用方法，如果你不熟悉以前的机器学习的方法，那么可能不会了解的太深刻。
当然好处就是我们拥有国内自己的深度学习框架paddle，我目前用过的框架不多，Tesorflow、Pytorch，个人感觉paddle对于用户还是很友好的，多去看看API文档，多去了解各类接口的使用方法，把这些内容和我之前的知识进行“迁移学习”一下，过程还算顺利。
课程历程
1 从波士顿房价预测入手，了解这个模型的人都知道，它也是经典机器学习方法中一个经典案例
老师会教你如何徒手利用python的numpy库搭建一个神经网络模型。
接着会去介绍Paddle框架如何改写模型，让你能深刻体会到Paddle框架的便利性
温馨提示：python基础、numpy基础知识很重要
2.接着是大名鼎鼎的手写数字识别了，有很多方法，经典机器学习也可以做，但哦们知道深度学习的方式模型的准确率会更高
通过这个例子，让你吃透深度学习过程，其实就是套路
数据处理-网络结构-损失函数-优化算法-训练方式-调优
3.通过简单神经网络进入卷积神经网络CNN，了解计算机视觉方向卷积神经网络的应用，了解神经网络的发展过程，和现在比较流行的神经网络，以及使用场景。

最后再看深度学习7日入门-CV疫情特辑
这个课程就会偏实践很多，当然这也是我们最需要的东西
由于课程的时间限制，无法讲的十分详细，其实还是需要你在私下做许多功课，课程每天只有一个小时，信息量不小，所以需要你去好好体会。
学习时注意的地方：

1. 搭建网络：数据经过每一层网络后，数据的形状，这十分重要，这是我碰到比较大的问题。
2. 一定要多去跑代码，这个过程可以让你积累许多模型调试时的经验，学习率如何调节，数据增强的方式，正则化项的加入等，这都需要时间的积累。

后续的一点建议

你可以通过百度AI studio快速进入学习，但不要指望它会帮你太多
我的建议时，学习之后，可以去看看吴恩达的机器学习的课程，那个会更基础，你学习之后，再去看吴恩达的课程会有新的感悟。

希望百度可以后续开放更多课程，可以更基础，更细节一些，我也会积极参与到学习AI的队伍当中。