我是如何0基础学习人工智能的？

这几年人工智能非常热门。出于一名程序猿的自我修养，我当然也为自己安排过学习人工智能的计划，在这里跟大家分享一下。

其实我安排的计划很简单，简略如下：

1、首先是数学基础。疯狂推公式！

2、其次是编程基础。疯狂打代码！    

3、接着是机器学习的基础知识和专业领域的知识。疯狂读论文！疯狂做实验！

4、最后，还需要在竞赛中取得一定成绩！

就这样，我开启了人工智能的学习之路。

第一日：

sigmoid函数。

“这么简单个公式，不错不错！机器学习不难嘛！”入门并不难，好的开始是成功的一半。

又一日：

在权重初始化中，如何选择校准方差的问题：

“这是个啥？”我抱着脑袋，从这一行行公式中，左右看不出一个答案。

我当然没有这么容易放弃，继续在草稿纸上和那一堆数字搏斗。

 

又又一日：

今天学的是正则化！

“这最大范式约束有点搞不懂啊？这玩意和L2正则化有啥区别？还有这随机失活是啥玩意？” 我开始坐立难安。

 

又又又一日：

“机器学习中模型非常多，从决策树开始学呢？还是从K近邻算法搞起？在神经网络中，大尺寸可以提高网络识别的精确度，但会过拟合。如何从神经网络的大尺寸和过拟合之间找到平衡呢？”

我一边看着刚学的模型，一边出神，感觉大脑已经放弃思考了。

过了几天，某个偶然的机会，我关注的一个公众号都给我推了一节免费的机器学习直播课。

本着小便宜不占白不占的心理，我就点进了直播课链接，老师正在讲L1正则化：

“我们很多同学都比较了解L1正则化了，它的公式是...”

因为我早就会了，觉得有点没意思，正打算关了链接，这时候老师接着说： “而在面试中，面试官不会考上面的公式，而是会问，如果加入 L 1 正则化后不可导，该怎么处理？ ”

不可导？我突然有点懵，这家伙不可导怎么办？

“不可导会导致无法使用梯度下降，解决方法其实也很简单，就是使用坐标轴下降的方法，我们接下来就给大家简单介绍一下坐标轴下降方法...”

接下去我听了一个小时，真的有点醍醐灌顶的感觉！

我发现自学虽然满腔热血，但是很容易找不到真正应该学习的点！

我赶紧查了一下这个免费课程，发现这是网易云课堂的《人工智能系列课程》。请的老师都是多年经验的行业大牛， 每周都有2节免费的直播课，错过直播也有录像回放。

既有网易特邀技术专家们的讲解，还有免费的 人工智能相关 学习资料可以领取 。

严格要求自己的同时，还有一个靠谱的老师指引方向、解答疑惑，这才是最好的学习方式！

今晚8点

本周更多课程安排

《一节课带你理清卷积神经网络中的1x1卷积核》

1. 原理阐述：深度学习之卷积神经网络

2. 代码展示：基于Python实现卷积核

3. 案例分析：源于盗梦空间的Inception网络 

学习资料免费领取

篇幅有限，扫码免费获取更多技术资料

免费直播，海量资料，先到先得~