感觉python语法好多？入门深度学习应该学到什么程度？_深度学习中python知识需要学多少

对于入门深度学习，你的学习路线图相对来说就合理，至于每个阶段应该学到什么程度我们慢慢说。

Python语法和深度学习

Python是深度学习领域主要的编程语言之一，因为它的库和框架可以用于计算和机器学习。掌握基础的Python语法是必要的。掌握Python语法是必要的，但也不用很深入。了解如何定义变量、使用条件语句，循环等基本结构就可以了。

NumPy

NumPy是用于科学计算的核心库之一，尤其在深度学习中经常用于处理矩阵和张量。掌握NumPy的基本操作、数组创建、索引、切片和一些常见的数学函数是很有帮助的。你不需要掌握所有的细节，随着实际使用的增加，你会逐渐熟悉它的更多功能。

深度学习框架选择

PyTorch是一个很好的选择，因为它具有动态图机制，对于初学者更加友好。

动手学深度学习

李沐的《动手学深度学习》是非常著名且优秀的教材，它能够帮助你逐步理解深度学习的基本概念和实际操作。通过实际动手实现模型，你会更深入地理解背后的原理。

---

深度学习路线图

• 数学和线性代数基础： 深度学习涉及许多数学概念，特别是线性代数和微积分。了解矩阵、向量、张量等基本概念以及线性变换和矩阵运算是至关重要的。你不需要成为数学家，但理解基本的数学原理会帮助你更好地理解算法和模型。
• 概率与统计： 深度学习中经常涉及概率和统计的概念，尤其是在理解概率分布、最大似然估计、贝叶斯推断等方面。掌握这些基本概念将帮助你更好地理解模型的工作原理。
• 机器学习基础： 在深度学习之前，理解传统机器学习算法的基本概念是很有帮助的，例如支持向量机、决策树、聚类等。这些算法为你提供了一个更广阔的机器学习背景，深度学习往往在这些基础上建立。
• Python编程： Python是深度学习领域的主要编程语言。确保你对Python的基本语法、控制流程、函数和面向对象编程有一定的理解。你已经在学习Python了，可以逐渐熟悉它。
• 深度学习基础： 在学习深度学习之前，了解神经网络的基本结构、前向传播、反向传播、激活函数等基本概念是重要的。你可以通过阅读教材、博客文章和在线教程来学习这些概念。
• 深度学习框架： 选择一个深度学习框架（如PyTorch或TensorFlow）并学习如何在其上构建模型。学习如何定义神经网络结构、处理数据、训练模型、调整参数等。刘二大人的教程和其他在线资源可以帮助你入门。
• 项目和实践： 通过实际项目来应用你所学的知识。选择一些小规模的项目，从数据收集和预处理开始，逐步构建和训练模型，最后进行评估。这将帮助你更好地理解如何将理论应用于实际问题。
• 理论和进阶内容： 深入学习卷积神经网络（CNN）、循环神经网络（RNN）、注意力机制、生成对抗网络（GAN）等高级概念。阅读研究论文、参与在线课程、听学术讲座等都有助于深化你的理解。
• 持续学习和实践： 深度学习是不断发展的领域，新的模型和技术不断涌现。保持学习的动力，阅读论文、参与社区讨论、参加竞赛等都能够帮助你不断进步。

---

理论学习

俗话说基础不牢，地动山摇。无论从事NLP，CV，ASR还是广告推荐搜索，理论部分的学习是同学们需要迈过的第一道坎。

由于深度学习是机器学习的重要分支，建议大家上手深度学习前，先了解一下传统的统计机器学习算法。

网上关于ML/DL有很多权威的学习资料，这里分享一些我实际学习过的靠谱资料(网课视频都可以在b站上搜索到)：

1 吴恩达机器学习入门课程

2 李宏毅机器学习入门课程（2021春）

3 跟李沐学AI

亚马逊首席科学家沐神在b站开课啦！

在“跟李沐学AI”专栏，沐神用中文解读了斯坦福2021秋季的实用机器学习课程，最近还新出了“读论文”系列，像Transformer、BERT、GAN等经典paper，都能听到细致通俗的解读！

4 Kaggle 30天机器学习0基础入门

强烈推荐的理论结合coding的机器学习入门资料，虽然报名通道已经关闭了，你仍然可以访问下面的链接进入学习。

https://www.kaggle.com/thirty-days-of-ml-assignmentshttps://link.zhihu.com/?target=https%3A//www.kaggle.com/thirty-days-of-ml-assignments

Kaggle是一个非常棒的ML/DL学习平台，有非常成熟的开源生态，初学者一定要记住这个网站哈！

Kaggle还为用户提供了免费的GPU计算资源，16G的Tesla V100 每周免费用40小时。详细教程可以参考之前的推文：实验室一块GPU都没有怎么做深度学习？

除了AI理论，一些计算机相关的基础知识也十分重要。

5 Python深度学习TensorFlow框架

黑马程序员3天带你玩转Python深度学习TensorFlow框架_https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV1Wt411C75s/%3Fspm_id_from%3D333.337.search-card.all.click%26vd_source%3Dc5b829c113088a67f153859f36a1d214

6 陈越姥姥-数据结构专题

很多考研CS硕士的同学都经历过计算机408统考，这4门课程中建议首先掌握“数据结构”，因为它和算法工程师的日常工作最紧密关联，也是面试中提升coding的必备内容。时间充裕的同学，建议你看看浙大陈越姥姥的数据结构专题课，内容很全面。如果时间紧，建议趁早开始刷leetcode和剑指offer，边做题边巩固常用的数据结构。

操作系统、计组、计算机网络这几门课当然也很重要，但是从算法学习角度看，优先级低于数据结构；可以在整个硕士期间穿插着学习。

算法比赛

除了学理论、做项目，算法比赛也是非常适合新同学入门的选择。当然比赛有难易之分，如果你刚接触深度学习，建议从最基础的任务做起。

比如对于机器学习而言，Kaggle平台的Titanic生存率预测就是非常经典的竞赛项目。把这个比赛完整做一遍，你能学到数据准备、数据分析、构建模型、预测输出整个链路的内容。

如果从事NLP研究，建议从文本分类、匹配、NER等底层任务开始练习。参赛过程中，主动学习其他优秀选手的baseline和top方案，也是让自己进步的高效选择。

除了Kaggle，主流的算法比赛平台还有阿里天池、DataFountain、Biendata、DC竞赛、华为云竞赛、讯飞开放平台、FlyAI等。

如果你觉得一个人做比赛很难坚持，还可以加入我们的交流群，和志同道合的同学一起抱团，比单人solo进步更快哦。

还没进群的朋友，欢迎加我微信cs-yechen