• “非计算机专业能学会使用深度学习吗？”

• “线性代数和概率统计快忘完了，英语也只是四级飘过，能学会使用深度学习吗？”

• “甚至连最容易学的Python语言也不会，有机会吗？”

很巧，我在一年前也向别人问过类似的问题。

我的答案是：学会使用绝对没问题，毕竟不需要自己凭空创造嘛。

可以这么说吧，人工智能犹如造车运动，可以分为两大阶段。

• 第一阶段：关键部件的研发

（1）算法的研发：

这个阶段有吴恩达、李飞飞、GeoffreyHinton、Ian Goodfellow等传奇人物的卓越贡献

（2）工具框架的研发：

这个阶段有谷歌等巨头的卓越贡献

• 第二阶段：各个部件的组装

第一个阶段的工作已有行业巨头和技术大佬完成，我们可以做的就是用好这些技术和工具，来完成自己的工作。所以一般情况下，对于小白，推荐的学习路线如下：

1. 掌握编程工具，推荐Python

2. 掌握一些基本的数学知识

3. 理解机器学习理论和算法

4. 掌握必要的深度学习框架

5. 了解行业最新动态和研究成果

非计算机专业如何转行使用深度学习

深度学习人才可以分为两类，一类是创造深度学习算法的创造型人才，另一类是使用深度学习算法解决实际问题的工程应用型人才。成为创造型人才需要扎实的功底、勤奋的学习，以及有时还需要很高的天赋。但成为工程应用型人才的难度就没这么高了。

目前AI（人工智能）正处于在行业里落地的阶段，深度学习算法的应用型人才十分短缺，深度学习有很多的应用场景。

同时，深度学习使用起来也不难，阿里云，腾讯云，百度云，科大讯飞，商汤科技，矿视科技（排名不分先后）等等，都提供了实用，赋能的API工具，类似下图：

API方式使用深度学习（这种方式更简单）

小白学习路径

对于一个完全0基础的小伙伴，如同之前的我，如果想要进入AI领域有4座大山需要去跨越：

（1） 编程语言

这一大山，可以轻松的跨过。Python本身已经很接近自然语言了，入门其实并不麻烦。Python的设计哲学是优雅、明确、简单，一本薄薄的《简明Python教程》就可以帮你掌握深度学习中所需的Python技能。

（2）数学理论和深度学习算法

吴恩达已经在《Deep Learning Specialization》中，详细讲解了深度学习中的理论知识，包括数学理论和算法原理。学习数学理论，是将深度学习从会用到用好的过程。“掌握”数学理论并不要求像大学考试一样用纸笔计算，而是需要理解算法的设计“哲学”，弄清楚why即可。

（3）实践-应用场景

如何将理论知识落实到各个应用场景，是每个deeplearning学习者都会遇到的困惑。

• 理论公式表达出来的算法，怎样变成一行行可执行的代码？

• 同一个算法如何在不同场景发挥效用？

• 课本中的案例如何迁移到实际场景中？

原文发布时间为：2018-10-15
本文作者：AI派

本文来自云栖社区合作伙伴“AI派”，了解相关信息可以关注“AI派”。