深度学习比机器学习要难，目前大家深度学习入门，部分同学是跟沐神的动手学习深度学习，还有部分同学就是看李宏毅老师的深度学习入门教程

近期datawhale对李宏毅老师的教程进行了更加详细的解释和改编，让更多同学都能轻松看懂和学会深度学习

文末附高清的教程PDF和完整学习路线

深度学习入门不难，可以直接抄作业，按照下面的教程计划来就行

第一周：了解机器学习基础和实践方法论（难度*）

机器学习基础简单过一下就行，难度不大，模型偏差方差，过拟合欠拟合，交叉验证等是必须要掌握的，比较基础

第二周：学习深度学习基础和卷积神经网络（难度**）

批量，动量的概念，自适应学习率的各种优化器，softmax，batch normalization, layer normalization , instance normalization等归一化方式的区别对比。卷积神经网络基本上是大家第一个神经网络模型，可以看看网络的构成包含哪些部分

 第三周：学习循环神经网络和注意力机制（难度**）

RNN以及变体在时间序列方向应用很广泛，注意力机制也是一个重要的方向，能够关注重要的点，给予不同的东西不同的动态权重

第四周：学习Transformer（难度***）

很多同学刚开始学习transformer不一定能学的透彻，建议结合沐神的视频一起食用

第五周：学习GAN和自监督学习（难度***）

这一部分难度也比较大，GAN的思想可以了解一下，扩散模型如果以后不搞这个方向可以不看，Bert还是比较重要的大模型，结合dasou的视频来看一下更好

第六周：学习迁移学习和强化（难度***）

迁移学习是一个重要的概念，强化学习应用也很广泛，建议了解一下，其他的内容可以看也可以不看，根据需要选择即可

深度学习入门说难也难，说不难也不难，坚持就是胜利！

人工智能学习路线