机器学习和深度学习到底怎么学？
在外国版知乎上，有位网友问：新手如何学习机器学习？学习完MOOC的课程后有没有能力阅读研究论文或者真正的做出一点研究成果？
这个困惑很多人的问题吴恩达给出了详细的回答，下面我们来看一下吴恩达是怎么说的吧。
他认为，观看课程来学习是非常非常高效的，所以通过听网络课程来入门绝对是可行的。在完成了MOOC的机器学习课程和深度学习课程后，下面是推荐给你的额外步骤：
1、订阅和关注那些在机器学习领域专家的博客或者是推特，看一下他们的论文或者文章是非常有帮助的。
2、复现别人论文的结果。复现论文绝对是高效的学习方式，但这种方式常常被低估。许多斯坦福的博士生通过这种方式变成了很了不起的研究人员，我对复现论文的学习方式绝对有信心，通过这种高效的方式，你可以理解最新算法的细节。许多人跳跃太快了，一心只想做出点新东西来，这是大错特错的。我推荐的还是一步一步的学习来构建你的知识基础。
3、当你阅读并复现足够多的论文或者是博客时，你自己就会神奇的拥有自己的想法。当你创造一些新东西时，发表论文时，或者写一些博客时，你可以考虑开源你的代码，并且在论坛里分享它。希望你可以收获很多反馈，并且更好地促进你的学习。
4、参加丰富的活动。参加线上比赛、研讨会、或者在网上观看研讨会（像ICML，NIPS，ICLR）都是不错的。
5、找个志同道合的朋友一起学。你自己一个人学习也可以获得很大的进步，但是找个朋友一起交流学习心得和观点会变得很有趣。如果你认识人工智能专家或者博士生或者研究人员，多和他们交流。我跟Geoff Hinton,Yoshua Bengio, Yann LeCun交流五分钟就学到了超级多的东西。我有时候会跟我的斯坦福博士生，deeplearning.ai的成员，各种公司的程序员相互交流。
6、尽管有一个朋友一起学习很重要，有时候你的朋友不会同意你的想法，这时候你或许应该尝试着去实现一下自己的想法。Geoff Hinton在“深度学习的英雄”这部访谈中表达过类似的观点。
我所知道的每位世界级机器学习研究院都会花很多的时间去实现一个算法，调试一些超参数，读一些论文并且找出哪些地方是表现不错的，哪些地方需要修改。我直到现在都能从这种工作中获得乐趣，希望你也可以。
你适合而且能够从事AI领域的工作吗？
参考吴恩达的学习经验去研究ML和deep learning会少走很多弯路，我上大三的时候第一次接触ML，我甚至怀疑自己是否适合从事这个领域，有一天读到吴恩达写的一段话，他说：“你绝对有资格和能力去从事机器学习，不管你现在知识水平如何，只要你坚持很努力的学习和工作，你就可以成为机器学习领域有一番成就。这和你是否有能力去投身机器学习没有关系，这仅仅与你不断的学习来让你自己更有能力有关系”吴恩达的这些话让我深受鼓舞，坚持学习人工智能也有一年多的时间，我也从中获得很多乐趣。
过程是辛苦与孤独的，但未来是光明的
我希望能读到这篇文章的各位，能够根据自己的兴趣和实际情况来考虑是否从事这个领域。对于不知道怎么办的读者，这里有两条选择标准可以参考一下：
你做的能让世界变得更好吗你可以从中可以学到多少东西不管怎样，在学习方面要一直投资自己，即使在很难的情况下也请坚持。在这个方面，吴恩达认为如果你还年轻，那就不要预估投资未来的教育能给你带来多大的价值，请注意这里他说的“年轻”是指小于100岁。任何你学习的东西都会在十几年内回报你，当然这真的很不会多容易。一旦你离开学校，那么可以花些时间在可以有短期回报的学习上。没有了老师来监督你和鼓励你。但是如果你能自我激励，能在阅读中找到乐趣，不断的思考自己的想法，不断与他人交流学习，过不了几年你就变成了自己领域异常优异的人。
吴恩达表示，他很喜欢阅读，在他的Kindle里面有超过1000本书，他花了大量的时间在傍晚和周末进行阅读。他的阅读范围包括学术论文、商业投资、科学杂志、传记等等。有时候也会去慕课去学点东西。
总的来说，坚持自己的学习，坚持投身于让社会变得更好的道路。凡是有价值之物，皆来之不易，与各位共勉。
