大家好，我是Giant。 最近知乎上有读者提问， 被导师散养，想要自己入门深度学习该如何分配任务？
看到这个问题我看见了3年前的自己。我的导师是浙大最年轻的博导、副教授，学术大牛。不过工作太忙，平日神龙见首不见尾，我的学习主要靠 自驱 。 经历了研一到研三的学习，我对自己的深度学习路线做过系统性总结。在校招薪资逐年倒挂的背景下，希望可以帮到更多对AI真正感兴趣的同学。 下面我从大厂面试官考察一个同学的角度，来「倒推」深度学习应该怎么学。 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)： 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-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！
除了AI理论，一些计算机相关的基础知识也十分重要。
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。 科研学术 开展科研工作是深入掌握AI算法的一条“捷径”，如果经过思考和实践，提出创新性的idea，通过coding实现并撰写成文，深度学习功力一定会更上一层。 这里参考清华大学黄民烈 老师的PPT，以QA的方式和大家分享一下“如何做出好的科研”。 科研是什么？ 创新是科研工作的核心， 发表论文是因为这种创新对别人有启发，值得分享与交流 ；是为了好奇心而进行科研探索：探索未知，发现不同。 如果单纯为了发paper或者升职、出国而做科研，很容易本末倒置。 为什么要做科研？ 科研的“正确”姿势 假如导师或学长给了一个题目或方向，在跑模型前，同学应该 先深入理解任务、问题、数据，读论文。 导师：结果怎么样？
学生：不好 --- 详细的数据统计、分析、报告；理解问题、数据
导师：为什么不好？
学生：不知道 --- 深入理解模型原理，与问题、数据的匹配性
导师：哪里好？
学生：不知道 --- 理解模型的输出结果、行为表现
导师：哪里不好？
学生：不知道 --- 问题诊断、错误分析、读论文
参与科研的几种方式 如何投入足够时间？ 2）你做的事情，定义了你是什么样的人；尤其当你做选择时：A还是B？ 3）成为一个专家需要10000小时（3年全时PhD学习），365*10*3； 4）做出一个solid的工作：最聪明的学生也需要3个月以上的时间，大部分同学需要6-12个月。 客观地说，科研学术只是一条小众路线，并不适合所有人。因为它和做项目不同， 做科研付出的成本和收获很可能不对等。 比如一个一心搞research的同学，跟了一个放养型导师，埋头苦干了3年结果没发出一篇A/B类顶会，那硕士期间的产出几乎等于 nothing。 在正式开始科研前，请先认真思考自己的兴趣爱好、性格特质是什么；coding，英文阅读写作能否cover；是一时热血还是真心喜欢research？ 想明白了这些，方向就不容易跑偏，剩下的只需要
努力+坚持 就可以了！ 如果真能在硕博期间在科研上有所建树，毕业时也具备了冲击更高offer的实力(阿里星、 腾讯大咖等)，甚至可以考虑进入高校继续从事科研工作了。 进技术交流群请添加AINLP小助手微信（id: ainlper) 关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。
阅读至此了，分享、点赞、在看三选一吧🙏
