09月22日, 2014 113次
今天插播一些学习方面的心得，内容绝对值得大家点个希望对迷茫中的你有所帮助
通过交流发现，对于如何转型成为深度学习算法工程师，每个过来人都有不同的想法
有代表性的培训机构倾向于囫囵吞枣，因为他们毕竟培训时间有限，不可能像在学校一样慢慢讲解各种基础知识，只能用填鸭式的方式将一堆毫无关联的基础知识粗犷的灌输给大家，具体能理解多少就不好说了。其实我们也能理解这种方式，因为算法属于人工智能方向，是一个交叉学科，涉及到的知识比较多，很难说面面俱到的一点一点讲清楚。但是这种方式培训出来什么效果可想而知
但是说了这么多废话，总要有个解决办法吧 结合我自己本身学习的经验，以及工作后带新人的经验。我觉得按照如下的方式学习比较容易接受，工作上手的速度也会更快，基础也会更牢固一些。下面的方法绝对值得点几个哈
首先要了解神经网络的由来，也就是说了解构成神经网络的最基础结构，了解后续会一直用到的BP算法，以及最重要的参数更新方式。因为后面大部分技术都是在这个基础上衍生出来的，仔细看看都有它们的影子。这里我们对非专业出身的同学，开始阶段并不要求你会推导各种复杂的公式，现实工作中其实用到的机会并不多。这一步也就是我们前面7节内容所做的工作，只是我们没有详细展开内容，说得笼统百思特网了一些。
其次我们要了解卷积神经网络中一些常用的 "层" 结构，比如最简单的卷积层，池化层等，了解它们进行了什么样的操作和运算，因为后面只是把它们嵌入到神经网络中就构成了各种复杂的网络。这是我们即将进行的工作
最后我们要选取一种深度学习框架(caffe,tensorflow,pytorch)，找一种最简单的网络来进行训练和各种操作。上面三种框架是我们最常用的深度学习框架，求职的时候也是必须要三选一的。最近caffe开始有点掉队，但是还是有自己的生存空间。其他的还有一些比较小众的深度学习框架，我们可以简单了解下，例如dark百思特网net,mxnet等......
我们只要坚持在上面步骤的学习中，在实际操作中不断有针对性地学习和补充自己的欠缺之处，绝对会有事半功倍的效果，因为我们都是有目的有针对性的在学习。当你走完以上步骤，恭喜你百思特网已经入门，再进行一些强化的训练，了解一些技巧方面的东西，其实已经可以胜任部分深度学习算法的工作了