人工智能教學(xué)網(wǎng)站fast.ai針對(duì)開(kāi)發(fā)者的深度學(xué)習(xí)實(shí)踐課程第三版，不需要大數(shù)據(jù)知識(shí)或者高深的數(shù)學(xué)理論，甚至都不需要買GPU，只需要一年的編程經(jīng)驗(yàn)以及對(duì)Jupyter Notebook有一定了解。

廣受好評(píng)的免費(fèi)深度學(xué)習(xí)在線網(wǎng)站Fast.ai為開(kāi)發(fā)者量身定制的深度學(xué)習(xí)實(shí)踐課程，目前更新到了第三版。新版本將原來(lái)的14課時(shí)縮短到7課時(shí)，采取自上而下的教學(xué)理念，通過(guò)實(shí)際問(wèn)題入手，然后逐步深入理念。符合程序員的學(xué)習(xí)路徑。

本課程只要求一年的編程經(jīng)驗(yàn)，一塊GPU以及一些適當(dāng)?shù)能浖２恍枰髷?shù)據(jù)知識(shí)、不需要大學(xué)級(jí)數(shù)學(xué)，也不需要龐大的數(shù)據(jù)中心，但是需要對(duì)Jupyter Notebook環(huán)境有一定了解。

雖然課程需要一塊英偉達(dá)GPU，但fast.ai并不建議去買一塊，或者自己攢一臺(tái)深度學(xué)習(xí)專用的電腦，與其浪費(fèi)時(shí)間在設(shè)置電腦上，不如直接租。對(duì)于時(shí)間緊任務(wù)重的開(kāi)發(fā)者來(lái)說(shuō)，時(shí)間成本更寶貴。

目前2019版的第2部分（尖端深度學(xué)習(xí)）尚不可用，暫時(shí)仍然需要使用2018年的課程內(nèi)容。不過(guò)好消息是，這個(gè)月很快就能上線了。

開(kāi)始學(xué)習(xí)之前，你需要了解這些信息

創(chuàng)始人Jeremy Howard稱，本課程旨在為有經(jīng)驗(yàn)的程序員提供深度學(xué)習(xí)實(shí)踐的教學(xué)，例如如何訓(xùn)練準(zhǔn)確的模型; 如何測(cè)試和調(diào)試模型; 以及關(guān)鍵的深度學(xué)習(xí)概念。它涵蓋了視覺(jué)，自然語(yǔ)言處理，表格數(shù)據(jù)和推薦系統(tǒng)中的應(yīng)用。

如果有興趣深入了解幕后的論文以及數(shù)學(xué)背景的同學(xué)需要注意了，再過(guò)2周fast.ai將推出一個(gè)全新的“從基礎(chǔ)開(kāi)始深度學(xué)習(xí)”課程，最后兩節(jié)課將與Chris Lattner（Swift，LLVM和Clang的創(chuàng)建者）共同教授。

如果你想了解基礎(chǔ)線性代數(shù)的實(shí)現(xiàn)細(xì)節(jié)，請(qǐng)查看“面向開(kāi)發(fā)者的計(jì)算線性代數(shù)”：

https：//github.com/fastai/numerical-linear-algebra

如果你想了解決策樹(shù)、隨機(jī)森林、線性回歸、驗(yàn)證集等，可以“面向開(kāi)發(fā)者的機(jī)器學(xué)習(xí)簡(jiǎn)介”：

https：//course18.fast.ai/ml

有些開(kāi)發(fā)者比較擔(dān)心的是fast.ai的庫(kù)會(huì)隨著框架的熱度不斷的變動(dòng)，導(dǎo)致經(jīng)常需要從頭開(kāi)始又要學(xué)習(xí)新的框架。確實(shí)3年時(shí)間里，fast.ai的主題一直在變：

2017年的課程主要關(guān)于Keras/TensorFlow；2018年主要關(guān)于PyTorch；2019年課程（第2部分）是python，最后幾個(gè)類使用Swift重新構(gòu)建所有內(nèi)容。

對(duì)此Jeremy表示大可放心，v1不會(huì)有大的變動(dòng)，未來(lái)只是一些bug fix。

fast.ai使用Pytorch作用教學(xué)工具。但是這種東西屬于一通百通，基本上你一旦掌握了套路，接下來(lái)用TensorFlow/Keras、CNTX、MXNet或者其他深度學(xué)習(xí)庫(kù)都不成大問(wèn)題。

在平臺(tái)的選擇上，Jeremy建議是：

如果使用過(guò)命令行，選擇Google Compute Platform。因?yàn)樗鼈兲峁?00美元的無(wú)條件信用，并已經(jīng)配置好開(kāi)發(fā)環(huán)境

如果不想用命令行試試Salamander，它工作得很好而且費(fèi)用不高

如果你沒(méi)有信用卡，請(qǐng)使用Colab，它是免費(fèi)的，但兼容性會(huì)有點(diǎn)問(wèn)題

創(chuàng)始人給大家的建議

在fast.ai的論壇上，有人整理了Jeremy在給同學(xué)們的一些建議，這些建議被往屆很多學(xué)生認(rèn)為是金玉良言。

不要嘗試停下來(lái)理解所有的知識(shí)點(diǎn)

不要浪費(fèi)時(shí)間：請(qǐng)學(xué)習(xí)JN的快捷鍵，一天學(xué)4-5個(gè)

請(qǐng)跑代碼，“真的”去跑代碼。不要去深入學(xué)習(xí)理論。去玩轉(zhuǎn)代碼，看看它們“吃進(jìn)什么吐出什么”

選擇一個(gè)項(xiàng)目，認(rèn)真做好，做到超棒！

跑這個(gè)Nb(lesson1-pets.ipynb)，然后用你自己的數(shù)據(jù)集跑跑，一定要做！

如果感覺(jué)fast.ai里都是高手，要學(xué)的新東西太多，而且感覺(jué)很難，沒(méi)關(guān)系！選擇一個(gè)點(diǎn)下手，比如跑幾行代碼，學(xué)一個(gè)概念如regular expression, 或者創(chuàng)建一個(gè)分類器，什么都行，關(guān)鍵是忘記煩惱，行動(dòng)起來(lái)。

如果卡殼了，不要停下來(lái)，深挖、繼續(xù)前行！

如果你不確定的哪個(gè)學(xué)習(xí)率更好，每個(gè)都試試看。

多數(shù)公司浪費(fèi)大量時(shí)間在收集更多數(shù)據(jù)上。正確做法是，用一小撮數(shù)據(jù)跑跑看，然后在看問(wèn)題是否是數(shù)據(jù)不夠。

如果你認(rèn)為自己“天生不擅長(zhǎng)數(shù)學(xué)”， 請(qǐng)看看Rachel的TED演講: There’s no such thing as “not a math person”

在你使用數(shù)據(jù)集時(shí)，請(qǐng)務(wù)必給予數(shù)據(jù)創(chuàng)建者榮譽(yù)和感謝

如果你心里有疑問(wèn)：“我是否應(yīng)該試試？”， 回答是：試試看吧，這是你成為優(yōu)秀實(shí)踐者的必修課！