罗哥德
Python小白进阶，要从一个新手变成深度学习的高薪抢手人才，是需要经过系统的学习，还要有实战经验的支撑。
自学就不要尝试了，自学能成才的是少之又少，如果都能自学成才，那老师的存在就没有必要了。
Python新手期间，基础是首要根本。从最基本的学起，再慢慢循序渐进学习高阶的知识。当你的理论知识学到一定程度后，就需要实战经验来丰富自己。
而这些实战经验是需要真实的商业项目支撑，但是一个没有实战经验的Python新手是很难被企业接受。这时候就可以考虑培训学习。
很多培训机构是有和企业合作的。线下比较昂贵，而一个靠谱的线上机构（认准有“认证”的机构）学费不仅比较优惠，教学内容也是十分夯实，并且课程学习期间还有真实项目驱动学习，让你将学习的基础运用到实际中，工作的时候，培训时间做项目的实战经验，让你工作也会得心应手。
柠檬班软件测试
如何从一个小白进阶为深度学习高手，列举一些经典的书籍和课程，希望对你有所帮助：
数学基础
不需要像数学系的学生一样，攻读各种数学知识，那样你估计就知难而退了。重点学习高等数学、线性代数、概率论与数理统计三门课程，本科必修课，现在是不是后悔当初没好好学习啦。出来混，早晚要还的，O(∩_∩)O哈哈~。
编程
入门人工智能领域，首推Python这门编程语言，其他也可以选择，Python比较简单。
工具
深度学习框架工具，目前比较主流的TensorFlow和PyTorch，可参考其官方文档
TensorFlow官方文档：
https://www.tensorflow.org/api_docs/python/tf
；中文文档：https://github.com/jikexueyuanwiki/tensorflow-zh；
PyTorch官方文档：
https://pytorch.apachecn.org/#/
机器学习库Scikit-Learn 官方文档：https://scikit-learn.org/stable/index.html
机器学习
公开课系列：
-
《Machine Learning》，入门首选，比较简单基础的课程，https://www.coursera.org/learn/machine-learning
吴恩达 CS229，对机器学习和统计模式识别进行了广泛的介绍，http://cs229.stanford.edu
林轩田《机器学习基石》，入门课程，
https://www.bilibili.com/video/av36731342
书籍：
西瓜书《机器学习》，南大周志华的书籍。讲述了机器学习核心数学理论和算法，入门后再学习本书。
《机器学习实战》，注重实践。
深度学习
公开课系列：
吴恩达《Deep Learning》，
https://www.coursera.org/specializations/deep-learning
CS230 Deep Learning，
http://cs230.stanford.edu/syllabus/
书籍系列：
花书《深度学习》
![]()
这里是分割线，上边列举的已经够你入门深度学习啦，对深度学习、机器学习有一定的掌握。入门后，说一下进阶吧：
研读论文，确定自己的方向，比如CV（目标识别、场景分类等）、NLP、数据分析等方向
研读自己方向的论文，复现经典算法论文，改进算法。
研读论文可以在这里找：
https://arxiv.org/
好啦，以上是自己的一些拙见，不喜勿喷，如有缺漏或不妥，欢迎指出，谢谢！
计算机视觉联盟
1. 机器学习需要一定的数学基础，但不要听说了这个之后就去把所有的数学教科书学一遍，可以把这些书放在手边备查即可。
2. 如果你英语不错建议看吴恩达在斯坦福机器学习基础课程(2到3个月完成)。
3. 如果英语听力一般，建议看台湾大学林轩田老师的基础课程，这里提到的两个课程都免费并且是非常优秀的课程。
4. 在这一切开始之前建议你花一天的时间读一下吴军博士写的“数学之美”这本书，当小说看就行，他会纠正你的学习方法。
5. 世界上不仅仅只有机器学习这一行，如果你经过3到5个月的学习，你发现还是没有办法很好的理解诸如：无限猜想空间下撞墙概率是如何被霍夫丁不等式和VC维限制住的？那要思考一下继续走下去是否代价太大！不是说一定不行，而是说老天爷给你开的那扇门可能不在这个地方，如果你非要从这过去的话，你只能在墙上打个洞，比较辛苦。
珠乡二哥
各发展方向和需要学习的内容参考下图
接下来谈一下 人工智能未来的发展
人工智能的发展离不开大数据的支撑（人工智能，有多少人工，就有多少智能）
早在2010年 百度就已经开始了人工智能的建设。（国外更早）
目前百度AI成为国内AI行业领军，与其10年的经验，数据累计密不可分。
目前越来越多的企业 加入到了数据收集累计的大军中。
当下发展是流量的红利（粉丝变现，知识付费）
未来10年将是数据的红利（届时将是人工智能全力爆发的时期）
人工智能是炒作？目前处于什么状态？
目前而言，人工智能被一些别有意图的商家 过度夸大。
打着人工智能AI的幌子 招摇撞骗！
但是人工智能是未来的大方向，目前人工智能发展比较好的行业，是有长期数据累计的行业。随着企业对数据的重视，未来人工智能会更加智能。
机器学习普及及学习内容
机器学习的目的简单的说就是从一堆杂乱无章的数据中找到背后的规律，一般的机器学习步骤包括数据收集、数据整理、算法设计、算法实现、算法训练、算法验证和算法应用等。与大数据以数据为中心不同，机器学习以数据为基础，以算法为中心，以应用为目的。比如以机器学习为基础的智慧辅助诊疗项目，基础是大量的历史病例资料，然后通过相应的算法给出当前病人的参考治疗方案，而这个方案会给医生很多专业的建议，方便医生给出治疗方案。类似的应用还有自动驾驶等场景的应用。
了解了机器学习的目的和操作步骤，下面我就介绍一下需要做哪些知识储备。机器学习的核心是算法设计，所以对于机器学习方向的研究生来说，首先要做的知识储备就是算法设计与分析。在进项目组之前了解常见的机器学习算法是非常有必要的，比如像支持向量机、回归、朴素贝叶斯、决策树、Apriori等常见算法。另外需要熟练使用一门编程语言，这里比较推荐使用Python语言。Python语言比较简单易学，另外在机器学习领域使用Python做算法实现也非常普遍，大部分机器学习项目都采用Python编写。
贪心科技AI
如果你没达到前面那些朋友说的要求。你还是把这个作为业余爱好比较好。靠高薪驱动不怎么好。语法基础牢固，算法，python的性能魔改，还有推荐的机器学习库操作熟练。然后分析源码，最后有自己的心得就可以。
如果只要求高薪，简单。死记相关库操作。多写点实践代码。找个相关互联网公司试试水
闲聊杂谈和八卦
首先，先打好基础。万丈高楼地基必须牢固。
然后找到该行业所必须具备的知识，努力学习。如果不知道该怎么学习，可以去报个培训班。如果不想进培训班那就网上找到他们的课程大纲,一步一个脚印，加油
华章酱at
python这玩意，没有扎实的数学功底，就是做做网站啦，至于人工智能更是如此了。
油管家热门货
现在我看着python的基础，看到后面，感觉不知道我可以干什么了
XCYYX
1.注重基础，基础包括数学基础，计算机语言的基础
2.学习数据结构的知识，善于将数学算法用软件实现
3.多从一些实际问题出发去开发应用
小小梦想家张先生
打好基础，一步一步学习深入，多做项目积累实战经验
