深度学习入门指“难”（专治弱小可怜又无助）

 第一，编程语言是载体

语言推荐python。一方面相对C++更简单易上手，另一方面相关的项目非常多。

书看不看都行，视频首推小甲鱼的《零基础入门学习Python》视频课程。不需要掌握太深的语言特性，从基础的语法，了解到对象相关的内容就够了。

 第二，基础知识边用边学

深度这块主要就是分为NLP和CV。

CV的四大任务：分类、检测、分割、生成。

NLP的四大任务：文本分类、文本匹配、序列标注和文本生成。

在基础学习阶段，都要进行了解。吴恩达的deeplearning系列其实够用了。其它内容可以边用边补。

其它经典课程还有：

斯坦福CS231n-深度学习计算机视觉

斯坦福CS224-深度学习自然语言处理

李宏毅教授讲的《机器学习》

 第三，框架是工具

主流框架是两种，pytorch和tensorflow。这部分可以看下刘二大人和我是土堆的视频，救过多少0基础小白的命。

还有李沐老师的《动手学深度学习》，可以等真动起来手之后再回来进阶。

 第四，找个项目跑起来，尽快把流程跑通

通过具体的项目来熟悉深度学习各种算法的优势和应用场景，会更有“抓手”一些。

要注意的是最近几年，深度学习领域的变化挺大的。尤其是NLP方向，在大模型的冲击下，传统的算法，像分词、词性标注，被替代得非常厉害，没必要花费太多精力在传统算法上面。可以直接从当下最热的大模型项目开始。

如果嫌自己摸索效率太低，推荐大家去参加知乎知学堂和AGI课堂联合推出的免费公开课——程序员的AI大模型进阶之旅。由几位业内大佬主讲，主要面向的就是想系统性学习AI大模型的同学。

你还可以在后续的课程中学习整套的数据处理、训练、fine-tune模型等流程。要知道，无论是哪个方向的项目，在流程方面都是相通的，有老师带着，会比自己踩坑舒服很多。更难得的是它不仅让你了解大模型背后的原理和实操技术，还能从商业的角度带你深度解析此轮AI变革和以往有何根本不同。感兴趣的可以点击上方卡片了解一下。

添加助教老师微信还有 AI 大模型学习资源包，以及好用的免梯子 AI工具等。

 第五，大量阅读经典论文，在选定的方向上积累项目经验

深度学习并没有那么高深莫测。

在实际工作中，大部分的算法工程师都是业务导向，大多时候都是在和数据打交道，不是分析数据，就是清洗数据，要么就是和各部门撕需求。真正花在模型的精力，反而比较少，很多只是把现成的算法，在精度，性能上做个平衡而已。

因此，对于算法工程师来说，工程实践能力至关重要。所以要想拿到好的算法岗offer，就需要大量积累选定方向的论文学习经历以及项目经验。

竞赛网站

国外的Kaggle和阿里云天池都是获取项目经验的好途径。

Papers with code

里面有基于深度学习各个方向的论文和代码，找到自己感兴趣的，去实现它。

注意一定要读有开源代码的论文，不要给自己找麻烦。

Hugging Face

如果要做NLP任务，你大概率可以在Hugging Face 找到你需要的模型。

GitHub +awesome

把你希望搜索的关键字加上awesome这个关键词，就能得到近年来好的数据集、论文、开源项目等。

 写在最后

要注意的是，基础不是不重要，而是说不一定要从基础开始学习。

大部头的内容，正确的打开方式应该是这样：翻开目录，过一遍整本书的框架和脉络，把这本书主要讲哪些内容、如何进行的内容组织做个“索引”，谙熟于心。待到后面用到时，马上能想起到哪查，从哪开始补就足够了。

另外，自从有了gpt之类的大语言模型，你会发现又有了一个学习的好搭子。有不明白的问题狠狠问，毕竟它虽然做不了太复杂的内容，但是毕竟足够博学，无论是定制学习计划还是进行理论知识答疑、代码生成什么的，对它来说那都不是事儿。

王晋康在他的《逃出母宇宙》 系列中有句非常智慧的句子：“先走起来再找路”。作为深度学习快速入门的破局之计，这句话再适合不过。