记录下一路走来看过的书
1、《Neural Networks and Deep Learning》——讲解了DNN的基础知识。包括反向传播（包括公式推导）、损失函数、激活函数、超参数选择、正则化、dropout等。第一次接触AI的话这本书还是挺好的，浅显易懂。网上有中文翻译版本。
2、《统计学习方法》——后来网上看到了有人介绍这本书，就买了本老版的。现在好像又出了新版。里面介绍了一些机器学习的方法。公式推导。耐下心来学习还是很有收获的。适合反复读。我其实只看了前面一些。后面的加强学习还没怎么看。
3、《机器学习实战 Machine Learning in action》——里面有使用python实战机器学习的一些算法。对理解机器学习有很大帮助。可以边参考《统计学习方法》并且结合《机器学习实战》的代码理解。我个人觉得对加深机器学习的一些理论会有很大帮助。这本书我其实也没看完，只是看了部分。
4、《机器学习实战 基于Scikit-Learn和TensorFlow》买这本书其实为了学习点TensorFlow，因为之前没有接触过TensorFlow。大致粗略看过一遍。后续还会继续回过头来精读下。
5、《深度学习》——这本书是我第一次买的书。刚刚想学习AI的时候，网上搜了一下，有这本经典书就买了。但是只是在一开始看了一下。这本书比较难啃。我一开始看了前面的数学知识的章节。后来当做工具书翻过。其实这本书一开始刚接触的话，我是不太推荐去看的。因为一开始看我那时候经常看的发困。
6、cs231n课程，这个是斯坦福李飞飞教授开设的一门课。刚开始的时候看过。英文的，可能会比较难懂吧。一开始因为也没有经验不知道怎么准备。就是网上各种搜，所以很多都会接触一下。这个网易课堂上好像有免费的，也有翻译的。
7、淘宝上买各种课程。这个阶段我看过很多课程。包括唐宇迪大神的课。网上会有很多教程，有贵的也有便宜的。我买的都是便宜的。买过好多次。真正动手操作的也就是唐宇迪大神的人脸识别教程、TensorFlow&caffe教程以及二维码识别的项目教程。
8、无意间看到博客园刘建平Pinard博主的帖子也都整理的超好，我觉得还是很有帮助的。可以根据自己需要去看。
9、准备考了一下华为的AI认证考试HCIP-AI。
10、《百面机器学习》——这本书还在看，想往AI转，所以这本书会经常拿来看看，对一些知识点的理解也会有好处。比如分类中recall、TPR、FPR、PR曲线、ROC曲线、AUC等一些基本概念。
后续再整理一下。自己工作是程序员，平时工作比较忙，很少有时间。都是平时和周末挤出时间来学习的，也只是学了点皮毛。确实挺辛苦的，准备久了会怀疑自己。但是还是需要掌握节奏，坚持一下。后续还会继续学习。希望早日转行AI吧。