同学们，晚上好。

本日我们来磋商一个看似不难，实则很难的问题：普通程序员如何一步步走向人工智能？

班主任访谈了十几位成功从程序员过渡到人工智能的童鞋，大概总结了一套【晋级方法】，仅供大家参考~

1、重新拾起数学和英语

在正式进入人工智能学习之前，建议同学们重新拾起数学和英语。
数学紧张复习微积分和线性代数，英语紧张以一些专业词汇为主，免得后面看论文资料的时候很吃力。

复习微积分还是推举那本经典教材---《普林斯顿微积分读本》，吃透这本书会对你往后学习Machine Learning 很有帮助。

复习线性代数推举麻省理工的公开课，大家可以去搜集***课程。

2、理解下人工智能领域

在决定真正进入某个领域之前，该当先对这个领域的做个大致的理解，比如这个领域的发展方向？这些技能能办理什么？

这个领域有哪些分支，哪些是我真正感兴趣的？

人工智能是一门非常广泛的科学，它由不同的领域组成，如机器学习，打算机视觉等等，如果盲目开始进行所谓的学习，可能越往深处研究越随意马虎失落去方向。

3、入门机器学习

机器学习是一种实现人工智能的方法，一度被很多人称为是现在人工智能的核心。

入门机器学习除了须要不雅观看大量的学习课程之外，还须要一定的编程根本，Python / matlab这样的措辞技能栈必不可少，个中Python须要关注一下爬虫，数据可视化等方面的运用。

入门课程首推Andrew Ng的机器学习课程（Machine Learning | Coursera），难度适中，而且完备免费。

合营吴恩达教授的传授教化***推举2本根本书本，一本是《Python 机器学习》，另一本是《机器学习导论》。

4、结合事情大略做一些项目

学习了一段韶光的机器学习之后，咱们的程序员同学可以开始做一些大略的项目。
在文本识别，图像识别，音频识别这三个根本运用方向，大家可以随意选择一个。

这三个根本运用方向的开源项目都很多，选择打算机视觉（图像识别）的同学，可以***OpenCv（开源打算机视觉库），它是一个非常强大的学习资料库，包括了打算机视觉，模式识别，图像处理等许多基本算法。

它免费供应给学术和商业用场，有C++，C，Python和java接口，支持Windows、Linux、Mac OS、iOS和Android。

5、研究深度学习

同学们学习到这一步，基本已经由了低级阶段，深度学习是机器学习中一种基于对数据进行表征学习的方法，也是目前研究最火热的方向之一。

深度学习实在要学习的知识很多，由于它很杂，也很零散，但好在经由前面系统的学习，基本的知识构造框架已经有了。

大家可以根据自身节制的程序，选择性的进行一些补充，班主任推举2个在线学习的教程：Neural Nerworks for Machine Learning；Recurrent Neural Networks.

6、连续做一些开源项目

按部就班理解并研究了深度学习之后，同学们的知识储备系统应该时比较完善了，这时候须要再去找一些开源项目来实践一下，深度学习的精良开源库有很多，比如谷歌的TensorFlow。

同学们一定要避免只管即便避免走入一个误区，知识储备是为了更好的实践，如果一贯不找项目来练手，储备再多知识，也没有实际的意义。

好啦~本日的分享就到这里啦！
说一百遍不犹如窗们亲自练习一遍，作为不那么话唠的班主任，还是想见告下大家，方向已经明了，路要自己走。