ai学习参考路线

学习路线

• 数学基础 ： 高数 线代 概率论
• 编程语言基础
• 机器学习 吴恩达 书籍《神经网络与深度学习》
• 深度学习 吴恩达 DeepLearning.AI
• 李宏毅 机器学习
• 浙大 胡浩基 机器学习
• 统计学习方法
• TensorFlow pytorch 龙曲良
• 李沐 《动手学深度学习》
• 根据研究方向进行细节的深挖
• 传统图像：OpenCV3编程入门 搭配官网教程
• 唐宇迪 OpenCV实战课程
• 斯坦福cs231n 李飞飞 视频搭配课件
• YOLO SSD R-CNN传统目标检测模型
• COCO VOC KITTI 公开数据集 训练
• 学习 标注自己的数据集 推荐 mmdetection
• 看论文改模型 跑实验
• 高级炼丹 竞赛刷题

定位：定性算法研究

基础：

高数，线代和概率论

后期再针对知识点进行有针对的复习

编程工具的学习

系统学习：

python:python 编程从入门到实践

课程：Python课程体系

机器学习的大门

吴恩达网易学习

搭配书籍：神经网络与机器学习

吴恩达deeplearning.ai 课程

李宏毅老师的课程（穿插看）

浙大胡浩基老师机器学习

完成上述网课与学习后参照资料：李航的《统计学习方法》

搭配白班推导教程使用

结束上述学习后学习编程

慕课上浙大的python网络爬虫与数据分析可视化教程

结合菜鸟教程网中的pandas和matplotlib教程学习

龙曲良老师学习pytorch

也可以学习李沫老师的《动手学深度学习》

上述可以掌握全部的语法，如有遗忘再查询百度

学完上述就可以满足理论工具的使用了

剩下时间根据自己的研究方向进行深挖了

（结合数据同化）

比如可以参照慕课，英语专门的学习网站，网站实战课程，看斯坦姆课程（搭配课程使用）

可以结合COCO,VOC,KITTI等公开数据集上进行训练，然后再学习标注自己的数据集

（可以在github上学习工具）

最后就是不断地开论文改模型，和老师多交流来商量研究方向思路，跑实验

读博——专注论文

工作——实习比赛，刷题