學習路線
- 數學基礎 ： 高數 線代 機率論
- 程式語言基礎
- 機器學習 吳恩達 書籍《神經網路與深度學習》
- 深度學習 吳恩達 DeepLearning.AI
- 李宏毅 機器學習
- 浙大 胡浩基 機器學習
- 統計學習方法
- TensorFlow pytorch 龍曲良
- 李沐 《動手學深度學習》
- 根據研究方向進行細節的深挖
- 傳統影像：OpenCV3程式設計入門 搭配官網教程
- 唐宇迪 OpenCV實戰課程
- 史丹佛cs231n 李飛飛 影片搭配課件
- YOLO SSD R-CNN傳統目標檢測模型
- COCO VOC KITTI 公開資料集 訓練
- 學習 標註自己的資料集 推薦 mmdetection
- 看論文改模型 跑實驗
- 高階煉丹 競賽刷題
定位：定性演算法研究
基礎：
高數，線代和機率論
後期再針對知識點進行有針對的複習
程式設計工具的學習
系統學習：
python:python 程式設計從入門到實踐
課程：Python課程體系
機器學習的大門
吳恩達網易學習
搭配書籍：神經網路與機器學習
吳恩達deeplearning.ai 課程
李宏毅老師的課程（穿插看）
浙大胡浩基老師機器學習
完成上述網課與學習後參照資料：李航的《統計學習方法》
搭配白班推導教程使用
結束上述學習後學習程式設計
慕課上浙大的python網路爬蟲與資料分析視覺化教程
結合菜鳥教程網中的pandas和matplotlib教程學習
龍曲良老師學習pytorch
也可以學習李沫老師的《動手學深度學習》
上述可以掌握全部的語法，如有遺忘再查詢百度
學完上述就可以滿足理論工具的使用了
剩下時間根據自己的研究方向進行深挖了
（結合資料同化）
比如可以參照慕課，英語專門的學習網站，網站實戰課程，看斯坦姆課程（搭配課程使用）
可以結合COCO,VOC,KITTI等公開資料集上進行訓練，然後再學習標註自己的資料集
（可以在github上學習工具）
最後就是不斷地開論文改模型，和老師多交流來商量研究方向思路，跑實驗
讀博——專注論文
工作——實習比賽，刷題