机器学习、深度学习的学习路线_机器学习深度学习路线

本人目前已经大三下了，学习机器学习、深度学习有一年多的时间，这里站在本科生的角度，结合自己的经验给对机器学习、深度学习感兴趣的同学一些建议和规划

目录

Step1 数学基础和Python

数学基础

Python

Step2 机器学习理论和编程实现

机器学习理论

深度学习理论

Pytorch

Step3 项目实战、论文阅读

选一个方向

建议

---

Step1 数学基础和Python

数学基础

• 微积分（数学系或一些尖子班一般学的数学分析，其他专业大多是高数） 推荐华师大的《数学分析》（高教出版社）
• 线性代数 推荐MIT网课
• 概率论与数理统计 推荐浙大第四版教材
• 可选：最优化方法等

注重对概念的理解，定理、公式的推导，建议看一些国外英文教材，以后读论文方便一些

Python

• 基本语法
• 常用数据结构：List，Set，Dictionary 等
• 面向对象: 类  继承 多态等
• 常用的库: Numpy、Pandas、Sklearn(scikit-learn)
• 模块封装、模块引入、多文件组织（实际工程中为了提升复用性、扩展性一般会写成多个文件夹，每个文件夹里会多个py文件)

推荐b站莫烦Python（比较简略），求知讲堂的课程（很全面，详细，举了很多例子）

莫烦Python的个人空间_哔哩哔哩_bilibili

求知讲堂python+人工智能 99天完整版 学完可就业_哔哩哔哩_bilibili

• 以上只是基本的，我在看一些论文的代码时发现还有很多东西没见过或者不熟悉，或者之前了解过但是记忆模糊，比如装饰器、“魔法”等，可以收藏下面这篇文档，里面一条一条罗列了出来，很清晰、细致

https://docs.pythontab.com/interpy/Lambdas/README/

Step2 机器学习理论和编程实现

机器学习理论

推荐《机器学习》 作为课本，人称西瓜书，周志华老师编写的

自己就是通过这本书入的门，感觉讲的比较全面、基础，适合初学者，三点经验

• 光看理论比较抽象，注意力难以一直集中，这时可以多上b站看一些生动形象的解释和动画
• 边学边用Python实现，不会编程实现的话也可以多看看b站up主的讲解（小破站yyds!)，自己编出来后理解会更透彻，记忆也更深刻
• 配套的“南瓜书”，网上可以搜到，是对西瓜书中的定理做推导证明的，建议多啃啃，尤其想深入理解其中原理的

建议一周学一章，耐心一点，学扎实，不要求快，导致记忆模糊、理解不深刻

此外，李航的《统计学习方法》也不错，我也看过一点；如果不喜欢看文字，吴恩达的网课好像评价很高，也很火（我个人没怎么看过）

深度学习理论

机器学习是个相对宽泛的概念，下面还有很多子领域，如强化学习、深度学习等，目前最流行的应该还是深度学习，如果对深度学习感兴趣，可以进一步学习相关理论

推荐李飞飞的cs231n，以及配套作业（质量非常高，可以很好的帮助理解理论部分，锻炼代码能力）

Pytorch

主流的深度学习框架之一，Pytorch在学术界更流行，代码量小一点，调试方便，建议本科期间还是先学习一下Pytorch，另一个主流的框架是Tensorflow，工业界可能用的多一些

• 配置一下深度学习环境，可参考我之前的博客（第一次配环境可能会非常坎坷，做好心理准备，自己当时配了好几天）（电脑带英伟达显卡支持cuda的，建议装GPU版）windows系统下即可，也可尝试装虚拟机，在linux下安装

(62条消息) Pytorch GPU版安装_江海一飞鸥的博客-CSDN博客

• 推荐跟着网课边看边敲

干货分享！浙江大学教授【深度学习框架PyTorch】课程，这绝对是你不可多得的PyTorch教程！太强了！-人工智能/机器学习/深度学习/AI_哔哩哔哩_bilibili

Step3 项目实战、论文阅读

（如果觉得自己能力还不够，可以再巩固巩固，毕竟大一到大三课多，尤其对于想保研、读研的同学，要保证自己的排名）

这时候已经有一定数学基础、机器学习和深度学习理论基础和编程能力了，可以根据自己兴趣，联系学校导师做一些相关的项目

选一个方向

AI的方向很多，比较热门的有下面几个

• 计算机视觉 大概是目前最火的，当前就业竞争最为激烈，个人也是cv入门
• 自然语言处理
• 大模型

如果喜欢交叉一些的，有条件的，可尝试以下方向，我有一些同学和老师在做其中一些

• AI+医疗
• AI+游戏（腾讯、网易等有相关算法岗）
• AI+机器人
• AI+艺术（如图像风格变化）

建议

很多老师不关注本科生，所以其实一般都是跟着研究生，在他们的指导下看论文、做实验，深入下去，有能力的可以尝试写论文等，

• 建议把一个课题做全做深，从对任务的理解分析，到数据集获取和分析，（到特征工程，）到模型选择，到代码编写，到训练，到结果分析，到改进，到数据可视化（到部署，）并把问题相关的各个常见方法都做一些了解
• 可以找一些积极不划水的队友，互相交流、促进，保证以后找实习或其他面试的时候可以对答如流
• 可以提前进导师的组会，每周汇报，以此督促自己
• 平时可以多看看github等平台的开源项目，一些大佬的动态（沐神、清华刘知远老师等还是很活跃的，以及一些优秀本科生、硕博、算法研究员和工程师们的经验分享）

以上是现阶段个人见解和经验，建议大家结合自己导师和学长学姐的指导、技术发展、和自身实际情况，制定规划。

祝好！