借着AI的火熱，社會上太多比賽都是AI的。。。。。。。華為的一年一屆和leetcode的周賽火熱程度沒法和這個相比。本着了解的態度我看了吳恩達的網課，網易雲課堂的deeplearning
確實吧，深入淺出，后來不久，同學推薦了李航這本統計機器學習！！！-----這種在前言就在不停堆砌專業術語的爛書，呵呵呵！，要不說你這對機器學習理解的和andrewNg這位頂級人物還是差很遠哪
關聯性很高的詞語，在后面出現定義和解釋的不要在前面提出？這是基本的寫書邏輯啊，一看這位仁兄，就是標准的研究型人員，實話是這樣的，理解隱形馬爾科夫鏈的人，相信看各種論文的速度，比看你這本羅列算法典籍的書要快，唯一的好處可能是系統化了。當然這書，在於這個行業大多數的書籍是英文的，國人所做的第一本，也是先驅之作，沒有學術功底也寫不出來，不過對於讀者的程度和學術水平的把握，以及知識邏輯積累的角度來看，這本書的水平和，國外的視頻教學差了很遠。可以做補充的教學，絕對不適合入門首選！！！！
眾多，對基本功的推導，像極了前些年，我國高校對C語言的教學推崇。
基本功的建立！！對於從數學基本體系，過來的老一輩人很是推崇，然而在知識高度爆炸的今天，知識更新發展速度異常快，
分工也異常的明確，所以做好知識選擇性工作未嘗不是我們應該探討的！！
也就是說，不是所有的知識象數學一樣，要一點點建立體系！
maybe，我做的是這個模塊中探索部分，所以先跟上這個先驅的發展，然后追蹤住，下個變革也許很快就來！
在這個前提下我們在去創新。
我們可以從python開始學習，我們可以從爬蟲學習網絡原理;
我們可以從神經網絡開始深入研究。就是所說的，深入到極致，然后打開的T型。
我們以前總共感覺在大量時間在做土型，本科后，我認為T型優先，接觸最先進的理念，相信年輕人的頭腦！
最后為讀者理清知識體系（由本書建立知識體系），才是好書！
不要指望，有這本書我買很多參考書！！！！媽的你當你是論文嗎？？？？