一周后要进行深度学习考试。十几周的课程下来，基础部分掌握不是很扎实，高阶应用部分更是N头雾水。

在这种情况下，我阅读了李宏毅老师的文章。通过这篇精悍之文，可以提纲挈领地把握深度学习的主体框架，可以对“深度学习到底在做什么事”有一点整体认识。

（此文通道如下）

• https://zhuanlan.zhihu.com/p/54483252#知乎#
• https://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3 #LinkedIn SlideShare#
• https://github.com/yuneming/DeepLearningTutorial #Github#
• http://speech.ee.ntu.edu.tw/~tlkagk/index.html #李老师主页#

学习后，我深深体会到，不论是在科研圈还是工业界，人工智能必定将是日后重要的技术工具。未来二十年，人工智能技术工程师（即文中所谓的“AI训练师”）将逐步起到越发重要的作用。

后来，我又结合课程讲义和《深度学习》教材，逐章复习掌握知识细节 。

5月28日，深度学习课程期末考试结束后五小时，我又回顾了过去这一周深度学习的复习情况，写下了自己的一些体会。

第一，试卷上考察的很多知识点是非常基础的，我们只需要知道每一章节中最核心的基础概念，就可以比较清楚的作答。

　　然而，上课时候的自己，对深度学习才刚刚接触，初来乍到，生疏感、距离感很强烈，甚至对深度学习有一种崇敬的情感，学习时有一种“先入为主”的不自信，脑海里浮现着“我到底能不能学会”这些想法。

　　事实上，自己到了每门课的复习阶段，才能体会到“哦，原来这门课就讲了这么回事啊！” 蓦然回首，发现要学的东西，其实就在灯火阑珊处，离自己并不遥远，也没那么高深，更不是深不可测。每个人只要搬个小板凳，拿一本最最基础的课本，老老实实看上几钟头，就能明白这门课究竟在讲些什么东西。只不过，要想产生更深刻的领悟，需要重复上三五个，甚至十来个“几钟头”。

　　所以，以后的学习一定要顶住最前面、最开始的10小时，20小时，50小时。不要怕概念的生疏和模糊，去查资料，一点一点地复习、回顾。不需为自己的遗忘感到自责，当发现以往学过的知识有点忘了，这是好事，因为这比你一点也找不到“抓手”，强得多。循着记忆的轨迹，重新复习，再在此基础上拾级而上，学习新知，如此往复，才是学习正道。总而言之，发现不懂不会的，是好事，这样才能学得越来越明白。

　　至于研究生阶段简单的课程考试，以这种学习方法来应对，显然不成问题。

第二，课程作业包括论文阅读和实践项目，论文读得不够深入，项目没有具体实践成功，对自己要求松。

　　综合整学期的课程，为保证其他课程顺利进行，从战略上对论文和项目没有给予足够的重视，以留给日后详细解决。

第三，课堂上老师的授课内容自己跟不上，一方面不能怪老师讲得不好（要怪宁肯怪自己水平不够），另一方面自己要课下努力跟上，只有努力跟上，才是学习最好的方法。

　　平常很多时间没有利用好，白白蹉跎了光阴。要养成好的工作生活习惯，克制自己的懒惰。偶尔破坏了习惯，要尽快恢复状态，找回工作的状态。　　手机不能成为生活的核心，核心应是时间线。

下面是课程考试的复盘：

1.机器学习经典学习方法举例，深度学习与之相比的优势。

2.反向传播算法简单计算。深度学习网络常见问题与解决思路。

3.卷积神经网络参数计算。

4.长短时记忆和门控制循环网络的模型图和各个门的作用。

5.正则化的几种方法。随机梯度下降和Batch梯度下降的区别。

6.自编码器和生成对抗网络的模型图和简要说明。

7.强化学习的学习要素和学习算法。

8.机器翻译的编码解码机制。

9.图神经网络的正向传播。

同时，这也是本次课程的大纲内容，没有完全掌握，是自己的问题。日后要在自学过程中逐个解决。

　　努力修炼！