人工智能成为当下科技发展的代表之一，持续受到了不少追捧，不管你是否是这一专业的学生或者职场人，学习并掌握一项新潮技能总是不会被同龄人淘汰的。我曾经问过别人、也被别人问过关于学习人工智能（AI）最好的方式是什么？我应该去阅读什么书？我应该去看什么视频？尝试过很多方法，也做了很多的学习路径规划。
实际上，人工智能研究在本质上是学术性的，在你能够获得人工智能的某些细节之前，需要掌握大量的跨各类学科的知识。
不论你找到了怎样的学习方法，扩展阅读总是必要的，因为当下的一些人工智能网课普遍忽视了原始论文的相互引用关系与知识图谱演进过程，忽视了底层技术发展脉络与算法之间的关系，忽视了论文实现细节、重要术语及图表解读。
01
资深学术论文+精准解读
提高学习能力
这些论文是由老师尽心挑选的，同时，每篇论文还配以资深老师细节讲解，非常适合准备AI入门的学员，特别是想深入学习「深度学习」知识的同学，以下是学术论文展示：
<< 滑动查看 >>
<< 滑动查看 >>
02
两大源码 助力复现学习
源码一：pytorch-playground-master
- 包含很多网络结构的复现，非常适合想入门神经网络的学员
源码二：pytorch-vgg-cifar10
- VGG网络结构的复现，在cifar10数据集上，可以在普通电脑上运行
以上两大源码可以帮助大家在学习的过程中助力复现学习，进行实战项目，提升自己的理论实践能力。
学习收获：
- 掌握AI学习路上核心理论知识
- 提升理论实践能力，独立完成项目实战
- 提高独立思考和解决项目中解决问题的能
十年磨一剑
