代po
关于AI人工智能(或者说机器学习)我不是什么专家，应该说我是外系(电资学院)因为好奇
所以才开始学习这个领域的。每个人的对新的东西学习方式不同，但对一些不知道要从哪
里着手的初学者或许可以参考一下我刚开始学习的切入方式。最开始我决定去修台大一堂
李宏毅老师开的机器学习的课，这门课的特色是用很浅显易懂的方式去介绍这个领域，所
以数学的部分会少一点。每学期大约400人修课，而且来自各个系所，老师也把上课内容
全部公开在youtube上，下面是这门课的连结。
https://goo.gl/y8t31F
因为这堂课以实作为主，所以当初修的时候要边上课边写code，怕忘记所以还花了点时间
对youtube公开课程整理了简易笔记，下面是笔记的连结。
https://goo.gl/snybe8
修课的学生来自各个系所，我觉得不是因为这是一个新的领域，而是因为这个领域在近几
年有不少新的重大突破，而且快速的正在影响各个领域的产业。同意有人说不管哪个领域
都要学些AI的知识，不过对于不同领域可以用不同方式去学习，下面仅只是一些我个人的
看法。
非工程相关背景
如果是非工程相关背景可以参考下面的见解。在之前一场微软举办的演讲有讲者提到:“
现在机器学习正在影响各个领域，对于一家公司来说，新技术的出现代表着管理阶层的秩
序需要因应而有所改变。”所以我觉得非工程背景也可以了解下这个领域，也许不一定要
会写code。建议只需花不到一个礼拜的时间把上面youtube连结的前几堂课程大概看过就
可以了。这样至少会知道为什么要train model、为什么要很多data、为什么training那
么花时间、什么是深度学习...等，这样也比较不会跟着大家一起喊人工智能却不知道那
个东西到底是指什么。另外，可以加一些FB的社团，这里推荐:台湾“人工智能”社团，
这是个最近很活跃的社团，常常会有些业界人工智能的新应用、产业发展趋势...等等的
文章出现。
工程相关背景
如果是工程相关背景可以参考下面的见解。其实要介绍的大概就是李宏毅老师上课用的一
些tool，所以如果是李宏毅的学生可以直接略过下面XD。我觉得一开始可以先学一些深度
学习(deep learning)的套件好比说Keras，他是一个建立在Theano或Tensorflow上层的
API，语法简单，适合初学者。如果想去做一些更底层的更动可以再去了解Theano或
Tensorflow，因为常常在Github上要用别人的code才发现都是用Tensorflow写的。此外，
因为这些东西大多是用Python的语法，所以可以花些时间了解一下Python。下面是我针对
Python的语法整理的笔记，语法可能会因为改版更动，所以可能要自己实际执行看看喔。
https://goo.gl/snybe8
另外，我觉得可以了解Kaggle，它是一个数据分析的竞赛平台。李宏毅老师就是用Kaggle
这个平台让大家写自己的code，对我来说蛮有用的。因为看到自己在Kaggle上的排名一直
往上爬就会有股冲动想要找更好的算法让排名继续往前!也因为Kaggle让我愿意上网找
一些近几年的paper看看其他人对于这个问题的解决方法等等。希望有兴趣的人能养成读
paper的习惯，因为这个领域不断有新的东西，而新东西只会出现在paper里而不是教科书
上。而且如果要找paper的话能找在Github上有code的会更好，这样可以直接实作验证看
看。推荐一个网站给大家，里面汇整了机器学习中每个部份的重要paper。
https://goo.gl/3xEN7T
另外，我觉得可以加一些FB的社团，这里推荐:台湾“人工智能”社团，这是个最近很活
跃的社团，常常会有些新算法的paper、读书会、人工智能硬件芯片的新突破...等等的
文章。最后，对于外系来说，我觉得这个领域其实不用学的太深，因为很多东西都已经被
内建好了，也有不少人性化的云端训练平台例如: Microsoft Azure、Google AutoML...
等等。反而比较重要的应该是想想如何用自己领域的专业知识(Domain Knowledge)结合人
工智慧找出现在还没有人想到的新应用然后马上付诸行动!