步入人工智能浪潮已将近一年，总结一下这一年学习的大概情况，希望能为之后有志迈向人工智能领域的人提供一些小的建议。
对于我自己来说，基本算是零基础跨行到人工智能，好几年前学习过C语言，考了计算机二级，就没有然后了。来到北京，学习了将近一年的人工智能专业，从机器学习到深度学习有了一个整体上认识，现分享一下这一年来的一些感悟。其中涉及到的一些电子书和视频，博主会尽量给出链接，方便大家阅读。
要学习深度学习，首先是需要了解一些机器学习的知识，这里我们上课主要是以周志华《机器学习》为主，在看这本书的过程中，会有一些公式的推导，要看懂和学会推理这些公式，需要读者有一定的数学基础，这样能更好的理解各种算法的原理，为后期使用这些算法以及调整一些参数是有很大的帮助的。这里如果需要补充一些知识，也可以参考李航《统计学习方法》，里面讲解的也是比较详细。在看完一些基本的算法之后，建议读者自己根据这些算法自己编程实践一下，例如线性回归、逻辑回归、SVM等，一方面是锻炼自己的编程能力，另一方面是加深对算法的理解。之后，可以尝试使用相关的python机器学习库sklearn来实现相关模型，具体的用法可以参考sklearn官网，当然后期如果有时间，博主也会尝试将一些模型分享给大家。当然，如果大家觉得看书比较无聊的话，网上也有很多的视频公开课，其中比较有名的是吴恩达老师的公开课，如果英语水平不错，建议看英文的coursera课程coursera在线课程，如果英语水平觉得还需要练习的，不用紧张，网易云课堂上有中文字幕的课程网易云--机器学习。结合起来学习效果应该会更好。
读者学习完机器学习的相关课程之后，对整个建模过程有会有一些基本的认识了。当然里面会涉及许多的细节问题，例如梯度下降、数据归一下、降维、参数的调整、损失函数的选择等，此处不再一一列出，后期针对不同的模块进行整理。此时便可以尝试利用机器学习完成一些特定的任务，比如房价预测、分类、聚类等问题。至此，算是基本入门机器学习，接下来大致上聊一下深度学习。
深度学习是机器学习的子集，大体上，讲到深度学习，都会从CNN（卷积神经网络）开始。这个问题可以追溯到一个具体的问题，手写体的数字识别，现有的机器学习方法没有办法将识别的准确率提高到一个人们可以完全接受的程度，因此，科学家积极的探索各种方法。学习深度学习，一般是从图像识别任务开始，了解一些经典的网络，在这里，要说推荐的话，可能《深度学习》花书可以作为参考，博主在学习这一部分的过程中，主要是以看视频和论文为主。这里推荐coursera deep learning,如果不想注册的话，在网易云课堂上也可以看到中文版的网易云课堂--deep learning。这个课程会有配套的练习，在看完相关的课程之后，可以结合课后作业进行练习，这些作业在github上有，这里直接转载git上作业及课件，大家有需要的可以自行下载。在了解完相关深度学习概念之后，就可以再根据自己想要的方向进行更加细致的钻研。常见的有图像、计算机视觉、自然语言处理、语音、无人驾驶等常见的大方向，选择某一个领域之后，就可以多关注其相关的论文，公司、Git上相关的开源项目以及一些有意思的公众号。
当然，无论是在学习机器学习还是深度学习的过程中，数学、算法、还有编程硬功夫都需要不断的提高，这样才能走的更远。因此，希望有志于在AI领域有所贡献的人，当然包括我自己，都能坚持下去！
之后会逐渐更新一些相关领域的系列，希望大家多多提出改进的意见。