查阅了十几篇学习资源后，我总结了这份AI学习路径(4)

发布时间：2019-09-09 16:04 所属栏目：19 来源：Mason

导读：https://www.bilibili.com/video/av49445369 视频，《Stanford CS231N 2017》李飞飞: http://t.cn/RTueAct 视频，《一天搞懂深度学习心得》李宏毅: http://t.cn/RTukvY6 视频，《李宏毅深度学习2017》： http://t.c

https://www.bilibili.com/video/av49445369

视频，《Stanford CS231N 2017》李飞飞: http://t.cn/RTueAct

视频，《一天搞懂深度学习心得》李宏毅: http://t.cn/RTukvY6

视频，《李宏毅深度学习2017》： http://t.cn/RpO3VJK

视频，《 Deep Learning With Tensorflow》： http://t.cn/RTuDcjC

9 高级项目实践或论文

具备了较强的知识储备，可以进入较难的实战。两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而发论文。或者可以参加 kaggle 竞赛，来验证一下，解决问题。到了这个阶段，就看个人的修行了。不过到了此阶段，回头看一开始的学习计划，基本已经达到目的了。最后，对于论文查询，就不得不提arXiv了，arXiv是个收集物理学、数学、计算机科学与生物学的论文预印本的网站。将预稿上传到arxiv作为预收录，可以防止自己的idea在论文被收录前被别人剽窃。因此arXiv是个可以证明论文原创性（上传时间戳）的文档收录网站。现今的很多科学家习惯先将其论文上传至arXiv.org，再提交予专业的学术期刊。以下提供两个工具可以使用：

arXiv官网： https://arxiv.org
arxiv论文查询： http://www.arxiv-sanity.com
带代码的论文查询: https://paperswithcode.com

总结

通过查询并阅读了十多篇对人工智能的学习方法和学习资源的文章后，本文试图对这些资源进行整合，整理出一条相对完整的学习路径，每一个阶段都给出了相应的参考资料，有了资料，更重要的是需要去学习和实践，希望对自己的学习有一个明确的计划，也希望对想进行AI领域的同学有帮助。

（编辑：ASP站长网）