最近在读《深度学习》这本书，发现读着读着就想放弃，因为里面有很多公式和概念都看不懂，应该是这辈子读得最艰难的一本书了，先定一个2019年的目标：读懂这本书。
光有目标还不行，还要有行动计划，今天在简书上关注了一个王老师，受他的影响，准备按下面的计划实施：
去MOOC学《机器学习》入门
很多人包括Peter都推荐吴恩达(Andrew Ng)教授Coursera平台上的《机器学习》。
去MOOC学《神经网络和机器学习》进阶
下面是王老师的推荐理由：
首先，你会发现这门课使用的软件工具与上一门课程一样，都是易于安装、便于掌握的Octave。你不需要去了解编程环境的各种配置，拿过来直接用就行。框架代码都已经提供，你只需要在重点环节进行修改和补充
其次，课程默认你学过吴恩达教授的课程作为前导。因此二者没有什么重叠，避免重复劳动。直接高屋建瓴，继续向纵深推进。
第三，Hinton教授是深度学习领域公认的权威。
去可汗学院补数学基础知识
掌握机器学习需要很多数学基础知识，而可汗学院无疑是教数学教得最好的地方。
动手实践
光看不练是肯定掌握不了机器学习的，王老师推荐了Coursera平台上华盛顿大学的机器学习课程专项系列(specialization），课程名称为“构建智能应用”(Build Intelligent Applications)。因为王老师说：
从已经推出的4门课来看，水平非常高，而且设计巧妙。课程采用案例教学，就是每一个模块都依照具体问题给定数据集进行处理。第一门课是总览，让用户体会每一部分的重要内容，并且动手运行尝试，增加趣味和信心。
从第二门课开始，每门课分别介绍一个机器学习类型。每一周的课程由浅入深，逐渐加码。利用Jupyter Notebook保存练习的结果，将来可以直接用到实践中。
除了在Coursera上面动手实践，就是要把学到的知识应用到我们现在在做的项目里面去。
抱团学习
一个人学习会很孤单，最好有伙伴一起学，至少在碰到问题的时候可以互相请教一下，比如奥数冠军黎叔、有丰富机器学习实战经验的Colten同学以及CNN（卷积神经网络）专家小董等同学。
2019年1月23日，南京至上海，7027次高铁。
