的密碼。請確保你的密碼可靠又好記，這樣你就不必擔心輸錯密碼的問題了。
輸入驗證碼并同意服務條款。驗證碼的意義在于讓系統確定你是一個真實的人，而不是一個自動化的程序。
點擊“我接受”來創建你的賬號。單擊此按鈕表示你接受微軟的服務協議。
創建iCloud賬號在你的蘋果設備上選擇“設置”。從菜單中選擇iCloud ，并開啟郵件選項。這樣你就可以創建一個iCloud的電子郵件地址了。 你需要一個已注冊的Apple ID來創建一個iCloud電子郵件地址。
輸入你想要的電子郵件地址，以“@ icloud”結尾 。如果你的用戶名已經被別人使用過了，系統會給出幾個替代方案，你也可以嘗試使用其他名稱。
訪問你的郵箱。您可以通過在iphone、ipad或者Mac的郵件應用程序中訪問你的iCloud的郵箱，或者在iCloud網頁版上查看郵件。只需使用Apple ID登錄。 在Mac OS X 10.7.5或更高的版本上單擊Apple菜單，同樣可以創建iCloud賬號。選擇系統偏好設置，點擊iCloud ，然后查看旁邊的郵件選項。
創建一個雅虎郵件賬號訪問雅虎郵件官網。你可以創建一個新的電子郵件賬號，或者你可以使用現有的Facebook賬號、谷歌賬號來創建一個Yahoo郵件賬號。
點擊“創建新賬號”按鈕。此時將彈出“創建一個新的Yahoo!賬號”頁面。在這個頁面，你需要輸入你的個人信息。 如果你要使用你注冊的電子郵件地址與你認識的人，或企業客戶來聯系的話，那么你最好輸入你的真實姓名。因為你輸入的名稱將出現在你發送電子郵件上。 輸入一個你容易記住的Yahoo！用戶名。用戶名就是你的電子郵件地址。請起一個得體的用戶名，以免在你發送郵件時引起不必要的誤會。 創建一個可靠的密碼。請確保你的密碼可靠又好記，這樣你就不必擔心輸錯密碼的問題了。
點擊“創建我的賬號”。這將創建一個新的雅虎賬號，然后你就可以使用你的新郵箱了。
學習AI的大致步驟：
（1）了解人工智能的一些背景知識；
（2）補充數學或編程知識；
（3）熟悉機器學習工具庫；
（4）系統的學習AI知識；
（5）動手去做一些AI應用；
1 了解人工智能的背景知識
人工智能里面的概念很多，比如機器學習、深度學習、神經網絡等等，使得初學者覺得人工智能很神秘，難以理解。剛開始學習的時候，知道這些名詞大致的意思就行了，不用太深究，學習過一段時間，自然也就清楚這些概念具體代表什么了。
人工智能是交叉學科，其中數學和計算機編程是學習人工智能最重要的兩個方面。這些在“知云AI專欄”之前的文章“認識人工智能”，也為大家介紹過，沒閱讀過的同學可以去看一下。
下圖為人工智能學習的一般路線：
2補充數學或編程知識
對于已經畢業的工程師來說，在系統學習AI之前，一般要補充一些數學或者編程方面的知識。如果你的數學和編程比較好，那么學習人工智能會輕松很多。
很多同學一提到數學就害怕，不過，學習人工智能，數學可以說是繞不過去的。在入門的階段并不需要太高深的數學，主要是高等數學、線性代數和概率論，也就是說，大一大二學的數學知識已經是完全夠用了。如果想要從事機器學習工程師的工作，或者搞人工智能的研究，那么應該多去學習數學知識，數學好將會是工作中的一大優勢。
Python是在機器學習領域非常受歡迎，可以說是使用最多的一門編程語言，因此Python編程也是需要掌握的。在眾多的編程語言中，Python是比較容易學習和使用的編程語言，學好Python也會受益很多。
3 熟悉機器學習工具庫
現在人們實現人工智能，主要是基于一些機器學習的工具庫的，比如TensorFlow、PyTorch等等。
在這里推薦大家學習PyTorch。PyTorch非常的受歡迎，是容易使用的機器學習工具庫，有人這樣評價PyTorch“也說不出來怎么好，但是使用起來就是很舒服”。
剛開始學習人工智能的時候，可以先運行一下工具庫官網的示例，比如MNIST手寫體識別等。這樣會對人工智能有一個感性的認識，消除最初的陌生感。然后可以看看里面的代碼，你會發現，其實神經網絡的程序并不復雜，但是會對神經網絡的原理和訓練有很多的疑問。這是一件好事，因為帶著問題去學習，會更有成效。
4 系統的學習人工智能
這里的人工智能主要指機器學習，因為目前人工智能主要是通過機器學習的方式來實現的。
機器學習知識主要有三大塊：
（1）傳統機器學習算法，比如決策樹、隨機森林、SVM等，這些稱作是傳統機器學習算法，是相對于深度學習而言的。
（2）深度學習，指的就是深度神經網絡，可以說是目前最重要最核心的人工智能知識。
（3）強化學習，源于控制論，有時候也翻譯成增強學習。深度學習可以和強化學習相結合使用，形成深度強化學習。
在這里需要知道的是深度學習并不難學，對于一些工科的研究生，一般只需要幾周就可以上手，并可以訓練一些實際應用中的神經網絡。但是想要對深入學習有深入理解不是容易的事情，一般需要幾個月的時間。
傳統機器學習算法的種類非常多，有些算法會有非常多的數學公式，比如SVM等。這些算法并不好學，因此可以先學習深度學習，然后再慢慢的補充這些傳統算法。
強化學習是比較有難度的，一般需要持續學習兩三個月，才能有所領悟。
5 動手去做一些AI應用
學習過幾周的深度學習之后，就可以動手嘗試去做一些AI應用了，比如圖像識別，風格遷移，文本詩詞生成等等。邊實踐邊學習效果會好很多，也會逐漸的加深對神經網絡的理解。