导读 | 孟岩

现在学习 AI，特别是上手深度学习，已经清楚的出现了两条路子。

一条以理论为中心，扎扎实实从数学基础开始，把数据科学、机器学习大基础夯实，然后顺势向上学习Deep Learning，再往前既可以做研究，也可以做应用创新。
还有一条路子是以工具为中心，直接从Tensorflow、Caffe、MXNET、PyTorch 这些主流的工具着手，以用促练，以练促学。

一般来说，第一条路子适合于还在学校里、离毕业还有两年以上光景的青年学生，而第二条路子适合于已经工作，具有一定开发经验的人，也适合时间有限的转型开发者，这条路见效快，能很快出成果，受到更多人的青睐。但是它也同样需要一个健康的框架，如果自己瞎撞，表面上看很快也能重复别人已经做出来的成果，但是外强中干，并不具备解决新问题的能力，而且一般来说在知识和技能体系里会存在重大的缺陷。

斯坦福大学今年上半年开了一门课程，叫做 CS20SI: Tensorflow for Deep Learning Research。可以说这门课程为上面所说的第二条路径规划了一个非常漂亮的框架。虽然课程视频目前并没有看到，但是全课的大纲、课件、笔记、代码和作业都在斯坦福大学网站上全面公布。我看了以后觉得很有必要推荐给正在为深度学习入门而发愁的开发者。

斯坦福作为全球计算机科学顶级的学府，学术研究当然是超一流的，但它同时作为硅谷的创新中心，特别擅长于理论结合实践，在它的教学体系里安排了大量非常面向实战应用课程。学习斯家的课程，你很容易找到一种文武双修、理论与实践生命大和谐的感觉。特别是斯家课程的课件之细致完备、练习之精到舒适，处处体现一种“生怕你学不会、学不懂”的关怀。这使得斯家的在线课程，在家家办慕课的今天，仍然是鲜有匹敌。像 Andrew Ng 的机器学习课程，Dan Boneh 的密码学课程，早年开设的 iOS 开发课程，在同类在线课程中都是最受欢迎的。

从放出的课件来看，这门 Tensorflow 课程同样具有斯家课程的一贯特点，内容完整而又重点突出，练习丰富、材料细致，既强调动手能力，也帮你夯实理论基础，既让你马上就能出成果，又不会拦着你进一步深造。特别是授课者考虑到很多学生无力购置昂贵的 GPU 硬件，特意将项目练习的硬件要求降低，学生在普通的 MacBook 和笔记本 PC 上就可以基本完成课程的学习（当然在做某些任务时需要耐心等待，这个怕是逃不掉），实在是思虑体贴。

我主张今天学习任何技术，都应该以线下面对面或者在线课程为主线，以图书为参考资料，兼顾动手能力和理论基础，这是效率最高的方式 ，千万不要再采用20年前啃书的模式，耗日持久，效果不佳。对于Tensorflow学习来说，斯坦福的这门课程是一个上佳的框架，值得大家采纳。

以下为斯坦福Tensorflow深度学习课程安排，由AI100编译整理。

这篇文章只是介绍了课程大纲，如果你想更深入地学习斯坦福的课程，可收藏原文地址获得课程的演讲PPT和笔记。你也可以在AI100公众号回复“ 斯坦福”获得原文地址。

开课啦开课啦：

AI100学院特请在机器学习领域深耕10余年的中科院副教授冒老师带来干货课程——《XGBoost从基础到实战》，从XGBoost的原理讲解到 代码实战，一步步带领大家从XGBoost的安装到一行行Python代码实现各类算法任务，不需要有很强的数学基础，直接从实战入手。通过4节XGBoost的专题课程，大家可以零基础理解XGBoost原理，掌握XGBoost调参，并能融会贯通地学习其他机器学习算法，学习如何用机器学习算法解决实际问题。如果你足够优秀，还能进击Kaggle竞赛哦。