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。