羅哥德
Python小白進階，要從一個新手變成深度學習的高薪搶手人才，是需要經過系統的學習，還要有實戰經驗的支撐。
自學就不要嘗試了，自學能成才的是少之又少，如果都能自學成才，那老師的存在就沒有必要了。
Python新手期間，基礎是首要根本。從最基本的學起，再慢慢循序漸進學習高階的知識。當你的理論知識學到一定程度後，就需要實戰經驗來豐富自己。
而這些實戰經驗是需要真實的商業項目支撐，但是一個沒有實戰經驗的Python新手是很難被企業接受。這時候就可以考慮培訓學習。
很多培訓機構是有和企業合作的。線下比較昂貴，而一個靠譜的線上機構（認準有“認證”的機構）學費不僅比較優惠，教學內容也是十分夯實，並且課程學習期間還有真實項目驅動學習，讓你將學習的基礎運用到實際中，工作的時候，培訓時間做項目的實戰經驗，讓你工作也會得心應手。
檸檬班軟件測試
如何從一個小白進階為深度學習高手，列舉一些經典的書籍和課程，希望對你有所幫助：
數學基礎
不需要像數學系的學生一樣，攻讀各種數學知識，那樣你估計就知難而退了。重點學習高等數學、線性代數、概率論與數理統計三門課程，本科必修課，現在是不是後悔當初沒好好學習啦。出來混，早晚要還的，O(∩_∩)O哈哈~。
編程
入門人工智能領域，首推Python這門編程語言，其他也可以選擇，Python比較簡單。
工具
深度學習框架工具，目前比較主流的TensorFlow和PyTorch，可參考其官方文檔
TensorFlow官方文檔：
https://www.tensorflow.org/api_docs/python/tf
；中文文檔：https://github.com/jikexueyuanwiki/tensorflow-zh；
PyTorch官方文檔：
https://pytorch.apachecn.org/#/
機器學習庫Scikit-Learn 官方文檔：https://scikit-learn.org/stable/index.html
機器學習
公開課系列：
-
《Machine Learning》，入門首選，比較簡單基礎的課程，https://www.coursera.org/learn/machine-learning
吳恩達 CS229，對機器學習和統計模式識別進行了廣泛的介紹，http://cs229.stanford.edu
林軒田《機器學習基石》，入門課程，
https://www.bilibili.com/video/av36731342
書籍：
西瓜書《機器學習》，南大周志華的書籍。講述了機器學習核心數學理論和算法，入門後再學習本書。
《機器學習實戰》，注重實踐。
深度學習
公開課系列：
吳恩達《Deep Learning》，
https://www.coursera.org/specializations/deep-learning
CS230 Deep Learning，
http://cs230.stanford.edu/syllabus/
書籍系列：
花書《深度學習》
![]()
這裡是分割線，上邊列舉的已經夠你入門深度學習啦，對深度學習、機器學習有一定的掌握。入門後，說一下進階吧：
研讀論文，確定自己的方向，比如CV（目標識別、場景分類等）、NLP、數據分析等方向
研讀自己方向的論文，復現經典算法論文，改進算法。
研讀論文可以在這裡找：
https://arxiv.org/
好啦，以上是自己的一些拙見，不喜勿噴，如有缺漏或不妥，歡迎指出，謝謝！
計算機視覺聯盟
1. 機器學習需要一定的數學基礎，但不要聽說了這個之後就去把所有的數學教科書學一遍，可以把這些書放在手邊備查即可。
2. 如果你英語不錯建議看吳恩達在斯坦福機器學習基礎課程(2到3個月完成)。
3. 如果英語聽力一般，建議看臺灣大學林軒田老師的基礎課程，這裡提到的兩個課程都免費並且是非常優秀的課程。
4. 在這一切開始之前建議你花一天的時間讀一下吳軍博士寫的“數學之美”這本書，當小說看就行，他會糾正你的學習方法。
5. 世界上不僅僅只有機器學習這一行，如果你經過3到5個月的學習，你發現還是沒有辦法很好的理解諸如：無限猜想空間下撞牆概率是如何被霍夫丁不等式和VC維限制住的？那要思考一下繼續走下去是否代價太大！不是說一定不行，而是說老天爺給你開的那扇門可能不在這個地方，如果你非要從這過去的話，你只能在牆上打個洞，比較辛苦。
珠鄉二哥
各發展方向和需要學習的內容參考下圖
接下來談一下 人工智能未來的發展
人工智能的發展離不開大數據的支撐（人工智能，有多少人工，就有多少智能）
早在2010年 百度就已經開始了人工智能的建設。（國外更早）
目前百度AI成為國內AI行業領軍，與其10年的經驗，數據累計密不可分。
目前越來越多的企業 加入到了數據收集累計的大軍中。
當下發展是流量的紅利（粉絲變現，知識付費）
未來10年將是數據的紅利（屆時將是人工智能全力爆發的時期）
人工智能是炒作？目前處於什麼狀態？
目前而言，人工智能被一些別有意圖的商家 過度誇大。
打著人工智能AI的幌子 招搖撞騙！
但是人工智能是未來的大方向，目前人工智能發展比較好的行業，是有長期數據累計的行業。隨著企業對數據的重視，未來人工智能會更加智能。
機器學習普及及學習內容
機器學習的目的簡單的說就是從一堆雜亂無章的數據中找到背後的規律，一般的機器學習步驟包括數據收集、數據整理、算法設計、算法實現、算法訓練、算法驗證和算法應用等。與大數據以數據為中心不同，機器學習以數據為基礎，以算法為中心，以應用為目的。比如以機器學習為基礎的智慧輔助診療項目，基礎是大量的歷史病例資料，然後通過相應的算法給出當前病人的參考治療方案，而這個方案會給醫生很多專業的建議，方便醫生給出治療方案。類似的應用還有自動駕駛等場景的應用。
瞭解了機器學習的目的和操作步驟，下面我就介紹一下需要做哪些知識儲備。機器學習的核心是算法設計，所以對於機器學習方向的研究生來說，首先要做的知識儲備就是算法設計與分析。在進項目組之前瞭解常見的機器學習算法是非常有必要的，比如像支持向量機、迴歸、樸素貝葉斯、決策樹、Apriori等常見算法。另外需要熟練使用一門編程語言，這裡比較推薦使用Python語言。Python語言比較簡單易學，另外在機器學習領域使用Python做算法實現也非常普遍，大部分機器學習項目都採用Python編寫。
貪心科技AI
如果你沒達到前面那些朋友說的要求。你還是把這個作為業餘愛好比較好。靠高薪驅動不怎麼好。語法基礎牢固，算法，python的性能魔改，還有推薦的機器學習庫操作熟練。然後分析源碼，最後有自己的心得就可以。
如果只要求高薪，簡單。死記相關庫操作。多寫點實踐代碼。找個相關互聯網公司試試水
閒聊雜談和八卦
首先，先打好基礎。萬丈高樓地基必須牢固。
然後找到該行業所必須具備的知識，努力學習。如果不知道該怎麼學習，可以去報個培訓班。如果不想進培訓班那就網上找到他們的課程大綱,一步一個腳印，加油
華章醬at
python這玩意，沒有紮實的數學功底，就是做做網站啦，至於人工智能更是如此了。
油管家熱門貨
現在我看著python的基礎，看到後面，感覺不知道我可以幹什麼了
XCYYX
1.注重基礎，基礎包括數學基礎，計算機語言的基礎
2.學習數據結構的知識，善於將數學算法用軟件實現
3.多從一些實際問題出發去開發應用
小小夢想家張先生
打好基礎，一步一步學習深入，多做項目積累實戰經驗
