t1 P1-简介与安装环境.md

2023.3.19

1.1了解深度学习

深度学习的一些典型应用：图像分类->图像中的物体检测与分割，图片风格样式的迁移，人脸合成，文字生成图片(最近的novelai绘图)，文字生成(现在chatgpt爆火，我刚刚用上)等等。 对于一个具体的领域，需要一个熟悉该领域业务的数据科学家来分析、筛选训练模型所用的特征，然后交给AI科学家来训练，完善，优化模型。

1.2入门人工智能的路径（受大佬ppt讲解启发）

数学基础

微积分，线性代数，概率论

编程语言

python，可以找莫烦python、小甲鱼python、慕课网的python3 等进行快速系统学习(1-2周) 本人有python入门基础，至少会调各类库，看这点知识能撑到何时。

编程常用库

numpy,pandas, b站up主“莫烦python”有3小时的入门视频

一项编程框架

pytorch或tensorflow,这里跟着本书先选pytorch b站 刘二大人 <<pytorch深度学习实践>> （约2周）

深度学习入门

吴恩达的deeplearning.ai 编程作业类资料有CSDN吴恩达深度学习课后作业目录（作者：何宽）

李沐的动手学深度学习 github：DeepLearning-MuLi-Notes https://github.com/MLNLP-World/DeepLearning-MuLi-Notes

机器学习入门

吴恩达机器学习-三节大课 很遗憾才跟着学了1/3 【[双语人译|带测试]吴恩达2022机器学习专项课程(一）监督学习-哔哩哔哩】 https://b23.tv/udeQv5J

【[双语人译|带测试]吴恩达2022机器学习专项课程(二）：高级学习算法 Advanced Learning Algorithms-哔哩哔哩】 https://b23.tv/M0SFSvF

【[双语人译|带测试]吴恩达2022机器学习专项课程(三）：无监督学习/推荐系统/强化学习-哔哩哔哩】 https://b23.tv/RKBhCSO

https://github.com/kaieye/2022-Machine-Learning-Specialization

1.3安装环境

使用本地的anaconda直接新建python=3.8的环境，命名为deep2learning。需要安装的包为jupyter d2l torch torchvision 。 需要注意的是，在能使用魔法的前提下国外源比国内源快得多。 另外还有从从官网https://zh-v2.d2l.ai/chapter_installation/index.html 下载的这本书的代码d2l，点击导航栏的jupyter记事本即可。

另附

教材官网里每一段代码都有colab环境，如果在外面可以直接使用此环境。