我是在2016年底决定学习人工智能的，当时我经常阅读csdn的人工智能文章，并且经常评论，但是大多看不懂，评论也不靠谱，最多是表决心之类的评论，但是并没有真的去学习。
当时了解的是用 python开发机器学习，深度学习，后来还知道十大框架，tensoflow等，当时还在了解这些框架谁好谁坏，总是还是在门外。对python也不了解。
在阅读人工智能文章中，我发现王小草博客写的文章简单易懂条理清晰而且内容丰富，读了几篇后我决定把她的文章读完，于是断断续续用了几个月把她的文章读完了，估计有50篇以上，我觉得我要进入人工智能大门了，我要成功了！
于是我安装pycharm开始写人工智能程序，写了个爬虫从网上获取数据，然后输入scikit-learn的机器学习模型训练，把结果输入预测，没有几行代码，可是结果发现预测不对，怎么回事呢，再写复杂一点代码，就不行了，写不下去了。
主要是对python语法和用法不熟悉，写不出复杂一点python程序,然后呢，机器学习为什么要训练，然后才能预测，而且预测要干什么呢？为什么要预测？机器学习和深度学习又有什么不同呢？为什么要用这个学习算法而而不用那个学习算法。
做不下去了。随机森林为什么效果可以追上深度学习呢？学习人工智能没那么简单，以前我学习一门计算机语言一两个月就可以了，现在半年过去了，人工智能的门还没进。
我不是那么容易服输的人。
既然只看网上文章不行，就买书来看。那段时间我在家，有时间，先看了一本matlab,因为我看到网上招聘人工智能要掌握哪些技能，我就学那些，看了一本python高级开发，看了一遍估计能看懂一半，python语法跟其他语言有差别。基本上一周能看一本，看python机器学习算法，大战机器学习，tensorflow实战，机器学习算法原理和实践，tensorflow框架，看到后面越懂越多，看了几个月，感觉自己行了。怎么做呢，要实战，不能总是学习吧？应聘去。
看到网上有招聘人工智能的，投简历，没回应，可能读几本书还不能让人心动要招聘吧。最后终于有个回应了，让我去面试，于是去了，几个人面试，问了各种问题，主要是应聘人员对人工智能也了解不多，所以我就按照看的书回答他们，实在不懂就说还没研究过。但是毕竟读过书，虽然没有按照阿里面试这样针对题目背一遍，对答如流，不过也能说个三四。几天后应聘通过，可以去上班了，工资明显超过程序员。看来学习人工智能没白学。
进入公司后开始学习深度学习，读了3本深度学习和tensoflow书籍，有两本是英文的，幸好英语过六级，读下来有几个单词不懂，可以查字典，基本能读懂，增强学习就是在深度学习原理搞懂的，之前看了tensorflow实战也没看懂。还有卷积神经网络也慢慢搞懂了，还研究tensowflow编译，tensowflow架构和源码，深入tensorflowapi，tfrecord等。最后实践了两个项目，一维卷积神经网络学习波形，二维卷积神经网络用来识别图片，可能样本较少，只有80%左右准确率。还用了keras,tensorlayer等架构编程。研究vgg,resnet等网络。自己尝试设计自己的神经网络。进入公司才是真正地学习人工智能。
熟悉和熟练python也是一个过程。对于循环for类似c++,range是左闭右开，应该是类似for（int i=0;i<N;i++),但是for不能修改循环因子，我改用while，这样才能跳过循环因子。range,xrange,enumerate这三个有什么区别呢？碰到的各种不理解，我都是上网查找答案，不过看一两次还是没记住。比如切片骗，p[::-1],list[:,-1]，碰了好多次上网查阅资料才搞明白，lamba还是太高级，只能看别人写的，自己写不了。python代码块是通过对齐来识别的，不像c语言用大括号，pascal用begin和end,python使用Tab和空格来对齐，子模块要退格，不能tab和空格混用，不然容易报错，我经常报错，还看不懂错在哪里，最后让ue,notepad显示空格才看见，不过不好看，记事本没办法了。go语言就是摒弃这个错误，用英文标记代码段的开头和结尾。诚然对齐看起来更清楚，但是代码长了也看不到对齐了。一念之差，这个python作者能把自己理念贯彻下来也不容易。我个人不太认同这个思想，对齐可以让程序员自己实现，而不是强制。随着使用python更加熟练，我喜欢上python了，主要是写代码太简洁了，几百行就搞定一个程序。在我没有弄懂切片-1的用法之前我是很痛恨的，现在我也喜欢了，因为我懂了，-1 就是从后面开始，多简洁啊。否则要写成len(list)-1,很不简洁。
我总是认为人的大脑也是一个深度学习系统，学习越多，能力越强，比如我看了十本人工智能的书，水平上一个档次，你要达到我的水平也要去读十本书。可是事情没有这么简单，我记得大学毕业设计用C语言写个程序，我之前没学过c语言，就学过pascal,同学去选修c语言我没去，毕业设计我就去买一本C语言教程，谭浩强写的吧，读了一遍我就开始写程序，除了语法大同小异，我觉得c语言和pascal语言最大的不同是c语言有指针，而指针就是指向地址，虽然没有细究，但是毕业设计就是输入输出，读写文件，打印汉字点阵，看了那本书我就可以写程序了，但是一起做同一个项目的同学不会写程序。我不理解，不就是写程序吗，为何不懂呢？我想这不是深度学习的问题了，因为大家都是从零开始，之前也没学过c语言，只是大脑的泛化能力不同，就是举一举一反三，触类旁通的能力不用，可能是因为同为深度学习的大脑，其内部卷积神经网络构造还不同，因为泛化能力大不同。对我来说，学习一门计算机语言一个月就够了，学习十门计算机语言不用一年，而熟练一门计算机语言用几个月就够了。现在我用python已经比较熟练了，我特喜欢用python编程。我的学习能力非常强，可能是得益于大脑深度学习的强大泛化能力。比如学习python我关心他的不同点，我只学习python不同其他语言的不同点，这样学习内容就很少，而不是从头开始学。
我现在还用svm写机器学习程序，不过相对tensorflow，是简单了不少，只是卷积神经网络可以自动学习特征，而svm要做特征工程，svm只有核函数linear,poly,rbf,sigmoid几个特征学习器，用来找到一个分割超平面进行分类。机器学习用的样本数据比较少就能分类，而深度学习用大量数据，这样难度也很大。虽然有人认为深度学习有数据就行，可是也不是那么简单的，好的神经网络设计也不是人人做得来。
基本上说我研究算法目前可以说是一个合格机器学习工程师，但是离大师还是有距离的，比如理论还是不够深入，对rnn还不熟悉，以及各种目标检测算法，增强学习等。因为我擅长的是读写代码，我学习技术大多是通过阅读代码来学习的，比如svm我是阅读scikit-learn带的svm代码来学习，而不是大量阅读svm理论书籍，可能读不进去也读不懂，代码反而更容易读懂。有人说不懂理论怎么理解代码？我是通过阅读代码来理解理论的，这就是逆向？这或许是说，人也可以倒着走路的。
总之我已经走上人工智能大道了，花了一年半才成功转行，其实你舍得用一年半的时间去转行吗？当然之前你可能没有想到何时走到，但是人工智能之路没有捷径，我用一年半，你可能用三年半，那你可能还在半路。但是没有可以选择，人工智能之路不可以选择，而是必须走下去，如果你的学习能力差一点，你可以参加学习班啊，不能一个人闭门造车，不懂装懂。我现在还看斯坦福吴恩达的机器学习教程，一周看一集，没学到很多东西，听英语倒是进步很大，现在可以跟上英文字幕了。
我要去享受人工智能学习成果了，你也来吧。人工智能盛宴，不可以错过。