学习规划#
1. Python基础#
本部分内容用于扫清语言等障碍，方便后续学习。
如果你之前没有python编程语言基础，可以尝试学习黑马程序员的课程 ↗，如果之前具备python基础的话，可以学习这个视频 ↗
2. 机器学习基础#
本部分的作用为通过简单的机器学习任务，理解解决问题的思路（如梯度下降，分类问题的本质），并掌握深度学习底层知识（如感知机）。
吴恩达机器学习#
Click this ↗ 学习线性回归，逻辑回归，感知机等重要模型即可。需掌握梯度下降，激活函数，损失函数，过/欠拟合，正则化等思想。
复杂公式不用推导，开发时用不上。
3. 深度学习基础#
通过学习本部分课程，可以掌握深度学习、神经网络较为底层的原理，加强对ai领域知识的整体把握。
先看这个：19.人工神经网络 ↗，直到看完32.深度学习 – 卷积神经网络的应用 ↗，此时你已经对神经网络的理论有初步的了解。
4. Numpy包实践#
学习莫烦的Numpy/Pandas教程 ↗的numpy部分，重点掌握numpy数组切片的方法。
视频时长一小时左右，建议两天内看完
5. Pytorch基础#
建议小土堆pytorch入门 ↗，也可直接看pytorch官方教程 ↗
视频时长十小时左右