• 为什么要学习
• 学习的误区
• 如何有效的学习

为什么要学习

• 迁移学习的出现使得技术不再是数据标注的衬托，需要紧跟发展
• AI一直在迅速发展，停止会被淘汰
• AI还有大量的创新空间，创新没那么难，可能只是一个灵光一现的小技巧

学习的误区

• 大佬带带我——大佬没有时间；自己必须有快速、主动学习能力。
• 夯实基础，掌握经典算法——时间应该花费在学习新事物上，而非背下随便能查到的东西；而且新技术和经典算法关联性往往不高。数学（最严谨的语言）和编程才是真正的基础。
• 一切从结果出发，要务实——视野狭隘后，错过通用本质的东西；思考角度多了才有可能解决问题。
• 创新是巨佬的——残害自己的想法。
• 不要造轮子——对于学习来说很重要，也不失有趣。
• 三个月从零到……——走捷径的人太多，以至于走远路的人最先到；真理往往是复杂的。
• “机器学习的本质是欠拟合或过拟合”——Andrew Ng没说过；本质是多方面的；在一定假设前提下，维护一个事情（即使很荒谬）的正确性很容易。
• 看英文费劲，有很多公众号——翻译过来总有错失；谷歌查找技术问题效率远超百度。

学习路线

• 基础=数学+编程+英语
• 积极寻找有AI情怀的人（自己先成为这样的人）
• 上来就是干（别看介绍，先看代码库）
• 多角度考虑问题（别陷入自己的思想劳动）
• AI界不存在权威，兼听则明
• 怀疑一切（否则陷入陷阱难以自拔）
• 正常走远路的人，最先到达终点
• 做深做精，扩展多点