每个人学习的道路都不太一样，学习AI就像是一个游戏
首先要明白，自己要选什么职业，然后明白自己要选什么技能。之后，去找寻最称手的武器。打造自己的AI。
有的人喜欢编程，喜欢工程，喜欢挑战面对很多用户的实时性需求，就像一个战士
有的人数学很好，喜欢研究算法，提高准确率，就像个法师
有的人涉猎面很广，能够根据需求，将各种算法应用，完成需要的功能。就像个弓箭手
有的人虽然不擅长编程，但是对产品很敏锐，知道怎样设计会更符合用户需求。就像飞侠。
每一种岗位，都有所长，但是，他们都有一点，对AI，计算机，编程，数学最基本的知识都有一定的掌握。
回头我给你做个测试吧，看看 你适合什么？
也许 你只是想自己一个人用现在的AI产品做点有趣的作品，譬如做个视频，处理照片，也许你想编程 做出一个有趣的AI程序，也许你会选择一个和几个人一起组一个小团队来做一些更有趣的Ai。也许，你想加入一个大公司，用AI来服务于很多人。 无论你是谁，现在开始了解，时间都刚刚好。
学习路线
千篇一律的学习路线，认为你就能学会AI，其实是个伪命题。但是，固定职业固定技能还是有它的学习路线。
开源项目 AlphaTree 将 之前我们提到的五个方向，分成了金木水火土
第一个，学派是行为主义(actionism)/控制论学派(cyberneticsism)，聚焦在机器人，机器狗等方向。涉及到的学科知识，包括机器人操作系统，控制论，路径规划等。关键词 机器人 Robotics - 金
第二个学派是 符号主义(symbolicism) ，聚焦在搜索，推荐，图神经网络 ，专家系统等，关键词 机器学习。-木
第三个学派是 连接主义(connectionism)，聚焦在神经网络，深度学习 机器视觉等方向，关键词 深度学习,GAN等 - 水
第四个方向是最近兴起的强化学习等。火
第五个方向是数据科学方向的 数据挖掘等，也和AI息息相关。 土
方向
如果是土系 ： 也就是 数据, 可以参照下面路线去做 然后再看 是做工程 还是做算法 或者应用 也就是 有的是继续走 数据科学家的道路
另外一个roadmap也是很知名的。
如果是 木系法师，也就是 机器学习算法工程师，目标职位为推荐算法这些，那市面上之前大部分标准学习路线都适合
西瓜书 花书 这些都要啃。国外几门官方的课程，要继续看下去。
如果 是水系，那就是专注深度学习。无论应用还是算法，都要熟悉各种网络结构。譬如 水系的弓箭手，也就是 深度学习的算法应用工程师，可以参照alphatree的 算法结构地铁图。
如果是选择飞侠，那么就要多了解各种产品 多看。每个系的应用 都要有所了解。
如果有人问你 深度学习和机器学习有什么不同？你就应该可以很轻松的解释清楚了
木系，专注于模拟人的认知能力，也就是让计算机学会新知识。人类会设定一些目标函数，机器学习的过程就是训练数据去优化目标函数。 传统的机器学习需要定义一些手工特征，从而有目的的去提取目标信息， 非常依赖任务的特异性以及设计特征的专家经验。
水系，专注于模拟人的感知能力，深度学习是从大数据中先学习简单的特征，并从其逐渐学习到更为复杂抽象的深层特征，不依赖人工的特征工程。
你回头做完测试，我帮你做个合适的学习计划吧。
总结
学习规划
职业
- 战士（开发）
- 法师（算法）
- 弓箭手（应用）
- 产品/其他（飞侠）
方向
- 金（机器人，无人机等）
- 木（机器学习-推荐系统，知识图谱，搜索等）
- 水（深度学习，gan，图像，语音）
- 火（强化学习，进化算法）
- 土（大数据，数据挖掘，区块链）
https://github.com/weslynn/AlphaTree-graphic-deep-neural-network
