GitHub上，有个新发布的深度学习教程，叫PracticalAI，今天刚刚被PyTorch官方推荐，已经收获2600多标星。
项目基于PyTorch，是从萌新到老司机的一条进阶之路。这条路上每走一步，都有算法示例可以直接运行。
新手可以从基础的基础开始学起，不止线性规划和随机森林，连笔记本怎么用，NumPy等重要的Python库怎么用，都有手把手教程。
到中后期，可以学着搭高级的RNN，厉害的GAN，这里还有许多实际应用示例可以跑。毕竟，这是一个注重实践的项目。
这里的算法示例，可以用Google Colab来跑，免费借用云端TPU/GPU，只要有个Chrome就够了。没梯子的话，就用Jupyter Notebook来跑咯。
内容友好，持续更新
PracticalAI里面的内容，分为四个部分，并将持续更新：
基础 (Basics)，深度学习入门 (Deep Learning) ，深度学习高阶 (Advanced) ，以及具体应用 (Topics) 。注：此处非直译。
· 基础部分，除了有Python指南、笔记本用法，以及Numpy、Pandas这些库的用法，还有线性规划、逻辑规划、随机森林、k-means聚类这些机器学习的基本技术。
有了这些，可以走进深度学习的世界了。
· 深度学习入门，包括了PyTorch指南、多层感知器 (MLP) 、数据与模型、面向对象的机器学习、卷积神经网络 (CNN) 、嵌入，以及递归神经网络 (RNN) 。
· 深度学习高阶，会涉及更高级的RNN、自编码器、生成对抗网络 (GAN) ，以及空间变换网络 (Spatial Transformer Networks) 等等。
· 最后是应用。计算机视觉是个重要的方向。除此之外，还会涉及时间序列分析 (Time Series Analysis) ，商品推荐系统，预训练语言模型，多任务学习，强化学习等等示例可以运行。也可以修改示例，写出自己的应用。
食用说明，无微不至
一是，可以用PyTorch来实现基础的机器学习算法，以及神经网络。二是，可以用Google Colab直接在网页上运行一切，无需任何设定 (也可以用Jupyter跑) 。三是，可以学做面向对象的机器学习，与实际应用联系紧密，不止是入门教程而已。
那么如何上手？笔记本跑起来啊：
(步骤几乎是针对Colab写的。Jupyter用户可忽略。)
第一步，项目里进到notebooks目录。第二步，用Google Colab去跑这些笔记本，也可以直接在本地跑。第三步，点击一个笔记本，把URL里的这一段：***/替换成这一段：***/github/或者用Open In Colab这个Chrome扩展来一键解决。第四步，登录谷歌账号。第五步，点击工具栏里的COPY TO DRIVE按钮，就可以在新标签页里打开笔记本了。
第六步，给这个新笔记本重命名，把名称里的Copy of去掉就行。第七步，运行代码，修改代码，放飞自我。所有改动都会自动保存到Google Drive。
开始学吧，不然等到内容更新了，要学的就更多了。
项目传送门：***/GokuMohandas/practicalAI/
— 完 —
作为从事人工智能教育多年、非常熟悉人工智能培训的高校教师，我很喜欢，有强烈的倾诉欲望。
学习路径
自学人工智能可行。（1）用一个月学习python基础语法，熟悉即可；（2）找学习几个机器学习算法：回归、分类各学习两个；（3）学习神经网络、卷积神经网络、循环神经网络；（4）做一个至少有200行代码的项目；（5）包装后出去找工作。
是否需要自学人工智能，需要学习前考虑清楚这几个维度：第一，个人学历基础；第二，学习目的；第三，个人的学习毅力；第四学习方法。这些都是关系到能否学习好人工智能的重要因素，在开始之前必须要理清，否则白费时间。建议画一个思维导图，将上述几个因素一条条的延伸整理。磨刀不误砍柴工！
1、学历低，自学人工智能对就业帮助很小
人工智能是一个高科技行业，虽然对员工的需求量非常大，但是对员工的要求对方 也很高，尤其是学历层面。在我调研的所有人工智能和大数据相关的公司中没有看到一家公司招聘初中毕业生、高中毕业生。他们的开发人员多为985、211或者稍微差一点普通二本的优秀学生。这个现状不是就业歧视，而是人工智能领域的难度和发展速度决定的。没有高学历背书，企业怎么能感受到你的真正实力？如何判断你的发展潜力？到底有没有能力跟上快速发展的人工智能行业？学历不够，人工智能高高的招聘门槛就把你挡在外边，自学人工智能还有什么意义？
2、明确的学习目的能让付出收益最大化。
自学人工智能一定要明确学习的目的究竟是什么。如果说你正在读大三大四是高年级理工科学生，那么我强烈建议自学人工智能，这对将来就业有所帮助。一定要结合自己的专业学习，单纯学习人工智能开发，面对人工智能专业学生，自学的这点知识完全不够看，没有任何竞争优势。其次如果你正处于读研的阶段，为了发表论文也建议多人工智能，用人工智能的方法解决本专业问题的文章很好发。如果说学习人工智能仅仅是为了就业，那么一定要参考第一条，你是否有很好的起点。不过在就业这个层面还有另外一条路，一定的人工智能基础后，去申请人工智能公司的市场销售或者产品经理。当然这两个职位还需要有其他的知识辅助。
3、详细的学习计划可以提升学习毅力。
这一块没有什么好说的，晚上千条路，白天卖豆腐。让自己有毅力的做一件事情非常困难，详细的学习计划可以帮助你。这方面的媒体文章非常多，我不耽误大家时间，略过。
4、项目为把手的学习事半功倍。
如果你没有任何人工智能基础，我建议还是按照上面给学习路径老老实实一步一个脚印的的学习Python、部分机器学习算法和简单神经网络。当你有了一定的人工智能基础后，那么下面的方法请你参考。根据学习路径，下面要将要学习深度学习，包括了卷积神经网络和循环神经网络，两个最基础的内容。无论是为了就业还是科研，我都建议从项目开始。在拿到项目之后，用思维导图将该项目所涉及到的关键知识点都列出来。标记自己不熟悉的知识点，逐步解决每一个知识难点和盲点，逐步完成整个项目开发。项目带动学习、框架梳理知识是最快的学习方式。
是否要自学一定要心中有数。
自己学习人工智能是一个艰苦的过程，需要耗费大量时间和精力，当然也付出了大量的潜在机会成本，开始要慎重，过程要坚持，结果要斟酌。
原创文章，作者：普尔小编，如若转载，请注明出处：http://www.puerpx.cn/pxwd/11090.html
