&figure&&img src=&https://pic1.zhimg.com/v2-9ffa0dbbae0_b.jpg& data-rawwidth=&1338& data-rawheight=&806& class=&origin_image zh-lightbox-thumb& width=&1338& data-original=&https://pic1.zhimg.com/v2-9ffa0dbbae0_r.jpg&&&/figure&&p&很多人回复我要注明原文链接，我做一个简单的说明，如果原作者对于这种介绍也不同意的话，联系我删除吧。&/p&&p&声明：&/p&&p&我有注明原文地址，仅仅是介绍，您的意思是 B 站不是你发布的地址还是什么意思。我这个文章只是介绍，文章清楚地介绍了视频地址。&/p&&p&首先我只是介绍视频，这个 B 站的视频。&/p&&p&然后我注明了 B 站的地址，这个视频并不是我上传的。&/p&&p&最后我不太明白，这个 B 站的视频是您上传了吗。&/p&&p&所以，是我这样的介绍需要征得作者的同意吗？&/p&&p&我比较蒙，你可以直接回复我，或者私信我都可以。&/p&&p&如果是介绍视频需要作者的同意的话，作者联系一下我，我把文章先删了吧。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-437f9ad314bd0cf1b936aa39ecff39cb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1848& data-rawheight=&1414& class=&origin_image zh-lightbox-thumb& width=&1848& data-original=&https://pic4.zhimg.com/v2-437f9ad314bd0cf1b936aa39ecff39cb_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-be483b58acdc4c6f67efcb8a4b6af37c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1844& data-rawheight=&1418& class=&origin_image zh-lightbox-thumb& width=&1844& data-original=&https://pic1.zhimg.com/v2-be483b58acdc4c6f67efcb8a4b6af37c_r.jpg&&&/figure&&p&&br&&/p&&p&视频地址：&a href=&http://link.zhihu.com/?target=https%3A//www.bilibili.com/video/av9912938/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【中英双语】机器学习（Machine Learning）- 吴恩达（Andrew Ng）&/a&&/p&&p&机器学习：&a href=&http://link.zhihu.com/?target=http%3A//www.tensorflownews.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TensorFlow 安装，TensorFlow 教程，TensorFlowNews 原创人工智能，机器学习，深度学习，神经网络，计算机视觉，自然语言处理项目分享。&/a&&/p&&p&QQ 群：&/p&
很多人回复我要注明原文链接，我做一个简单的说明，如果原作者对于这种介绍也不同意的话，联系我删除吧。声明：我有注明原文地址，仅仅是介绍，您的意思是 B 站不是你发布的地址还是什么意思。我这个文章只是介绍，文章清楚地介绍了视频地址。首先我只是介…
1、线性代数和矩阵理论，具体到机器学习里面就是线性变换，svd之类，pca和lda都会用到；&br&&br&2、高等数学，具体到机器学习就是求导，链式法则，积分思想等等；&br&&br&3、优化理论，有两本书不错《Convex Optimization》和《Numerical Optimization》，具体到机器学习就是给定目标函数，求解参数的过程，什么拉格朗日乘数法，对偶问题，kkt条件，梯度下降法，牛顿法，拟牛顿法等等。&br&&br&4、概率与统计，机器学习的模型多与概率，统计有一些关系，比如概率图模型。&br&&br&这是最基础的，其他要用到的数学知识，碰到了再去学。
1、线性代数和矩阵理论，具体到机器学习里面就是线性变换，svd之类，pca和lda都会用到； 2、高等数学，具体到机器学习就是求导，链式法则，积分思想等等； 3、优化理论，有两本书不错《Convex Optimization》和《Numerical Optimization》，具体到机器学习…
&h2&序言&/h2&&p&回答问题的，都是技术大神，所以我在这里不会谈过多的技术的问题，不然就是自讨没趣，我将从如下三个方面讲述，也是本文的脉络&/p&&ul&&li&学习什么—&b&帮你规划学习路径&/b&&/li&&li&如何学习—&b&给你高效学习方法&/b& &/li&&li&有哪些好的学习资料—&b&市面口碑较好的学习资料&/b&&/li&&/ul&&p&&br&&/p&&p&&b&我不得不问问其他回答者&/b&&/p&&p&&br&&/p&&p&&b&第一：&/b&既然这个话题名称叫《普通程序员如何像人工智能靠拢？》，那么各位大神写的技术含量这么高的文章，是不是显的太深奥了，一般程序员是不是真的能看懂？&/p&&p&——所以我必须要&b&深入浅出&/b&的道个明白&/p&&p&&b&第二：&/b&推荐的资料就算是再好，但是资料不等于知识，学习效果怎么样，别人能不能坚持学完那就是另一回事。&/p&&p&——所以我会讲：如何&b&高效&/b&的学习人工智能知识？&/p&&p&&b&第三：&/b&市面现在人工智能的书籍、视频这么多，哪些是真正的好东西，哪些才是适合普通程序员学习的资料。&/p&&p&——所以我对资料做了&b&优缺点分析&/b&，并给出评分等级&/p&&p&&b&特别注意&/b&&/p&&p&看知乎的，基本都是中国人，很多大牛推荐的东西的都是国外网站、国外教授的英语课程，虽然他们讲的很好&/p&&ul&&li&但是你们不知道么？？？？？&/li&&li&中国人学习英文课程很痛苦么？？？？？&/li&&li&里面晦涩难懂的词汇那么多，那是要折磨我么？？？？&/li&&/ul&&p&除非你英语很好，这里只是除非。大部分的人英语应该都一般吧&/p&&p&&br&&/p&&p&&b&所以我讲的，你看完一定能看懂，看不懂的，欢迎评论区留言&/b&&/p&&p&&br&&/p&&p&&b&误解：&/b&人工智能是门槛很高，是很高大尚的技术，一般人是没办法入行的&/p&&p&&br&&/p&&p&我在这里先假设你是一名具有高等教育背景的理工科学生，学习过高等数学，如果你想转行人工智能该怎么学习&/p&&h2&科普&/h2&&p&&br&&/p&&p&&b&在踏入人工智能大门前，我先讲一下，为什么这两年深度学习为什么突然火了&/b&&/p&&p&&br&&/p&&p&2016年AlphaGo 4比1 战胜李世石，掀起了一波AI热潮，DeepMind背后所用的深度学习一下子火了起来了。其实在内行看来，AlphaGo对阵李世石的结果是毫无悬念的，真正的突破在几年前就发生了。&/p&&p&&br&&/p&&p&最近AlphaGo的弟弟AlphaGo Zero把自己的哥哥直接横扫了，原因是AlphaGo Zero是两个机器人自己博弈，所以收敛速度要比学习人类棋谱快多了。&/p&&p&&br&&/p&&p&2012年，Gefferey Hinton的学生Alex使用一个特别构造的深度神经网络（后来就叫AlexNet），在图像识别的专业比赛ImageNet中，得到了远超之前最好成绩的结果，那个时候，整个人工智能领域就已经明白，深度学习的革命已经到来了。&/p&&p&&br&&/p&&p&果然，之后深度学习在包括语音识别，图像理解，机器翻译等传统的人工智能领域都超越了原先各自领域效果最好的方法。从2015年起，工业界内一些嗅觉灵敏的人士也意识到，一场革命或已到来。 &/p&&p&&br&&/p&&p&&b&随着机器学习在生活中越来越广泛得被应用在各个领域，&/b&&/p&&p&比如：&/p&&ul&&li&资讯类APP，每日的消息推送都是我们自己喜欢且关注的内容（人工智能的学习和记忆）&/li&&li&百度搜索结果的排序推送是基于用户历史的点击数据，会更多地推送个人喜欢或认为正确的结果&/li&&li&百度广告根据每个人喜好去最大化点击的概率&/li&&li&美图秀秀根据用户储存的自动美化后的照片来优化算法&/li&&li&滴滴帮助司机选择路线、规划车辆调度方案&/li&&li&未来的自动驾驶技术重新定义智能出行、智能城市&/li&&li&APP背后的判断、预测、抉择、分类。&/li&&li&当前发展比较热门的应用，语音识别
自然语言理解
个性化排序各种领域的进步&/li&&/ul&&p&&b&越来越多的程序员加入AI领域，那么入行AI领域需要哪些技能呢？&/b&&/p&&p&肯定你们也听到了，人工智能、机器学习、深度学习这样的关键词，那么他们之间得关系是什么？&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9dda79c3a77_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&531& data-rawheight=&511& class=&origin_image zh-lightbox-thumb& width=&531& data-original=&https://pic4.zhimg.com/v2-9dda79c3a77_r.jpg&&&/figure&&p&从图上可以看到，人工智能是一个很大的概念，机器学习是其中一个子集，而深度学习又是机器学习里的一种&/p&&p&&br&&/p&&h2&第一章：学什么？&/h2&&p&&br&&/p&&p&面对不同人，我规划了两种不同的路径&/p&&p&&br&&/p&&p&&b&路径一：一步一个脚印，扎扎实实从基础学起，逐步提高学习难度&/b&&/p&&p&&br&&/p&&p&&b&Step1：了解行业资讯，先来一波科普&/b&&/p&&p&所以在学习人工智能之前，你先了解一下行业得相关资讯，对这个行业有一个基本的认识，那么接下来你要准备学习了&/p&&p&&br&&/p&&p&&b&Step2：务实基础—高数+Python来当道&/b&&/p&&p&机器学习里面涉及了很多算法，而这些算法又是数学推导出来，所以你要理解算法，就需要先学习一部分高数知识。不管是你在机器几面编辑一个算法还是应用算法，你都需要通过写程序来和机器进行对话，那么你需要编程，假如你的造诣比较高，可以用C语言，如果你是转行过来或者以前没有编程基础，那么学习Python会不错，因为Python语言相对比较简单。&/p&&p&&br&&/p&&p&&b&Step3：机器学习算法+实践&/b&&/p&&p&掌握以上基础以后，就要开始学习完机器学习的算法，并通过案例实践来加深理解和掌握。还有很多机器学习的小案例等着你来挑战，前面掌握的好，后面当然轻松很多，步入深度学习&/p&&p&&br&&/p&&p&&b&Step4：深度学习&/b&&/p&&p&深度学习需要机器大量的经过标注的数据来训练模型，所以你的掌握一些数据挖掘和数据分析的技能，然后你再用来训练模式。在这里你可能会有疑问，据说深度学习，好像有很多神经网络，看着好复杂，编辑这些神经网络那不是太难了，你大可放心，谷歌、亚马逊、微软等大公司已经把这些神经网络模型封装在他们各自的框架里面了，你只需要调用就可以了。&/p&&p&&br&&/p&&p&&b&Step5：行业大型项目实践&/b&&/p&&p&当你学习完深度学习，此时你就可以自己动手训练一个小模型了。有条件的话，从一个项目的前期数据挖掘，到中间模型训练，并做出一个有意思的原型，能把一整套的流程跑通，那么恭喜你，你已经具备一名人工智能初级工程师的水准了&/p&&p&&br&&/p&&p&为了方便让你理解，我给你列举了学习课程的大纲，你一看啊就明白了&/p&&p&&b&1、人工智能基础 — 高等数学必知必会&/b&&/p&&ol&&li&&b&数据分析（就是高数）&/b&&/li&&/ol&&ul&&li&常数e&/li&&li&导数&/li&&li&梯度&/li&&li&Taylor&/li&&li&gini系数&/li&&li&信息熵与组合数&/li&&li&梯度下降&/li&&li&牛顿法&/li&&/ul&&p&&br&&/p&&p&2&b&.概率论（大一大二学过有木有）&/b&&/p&&ul&&li&微积分与逼近论&/li&&li&极限、微分、积分基本概念&/li&&li&利用逼近的思想理解微分，利用积分的方式理解概率&/li&&li&概率论基础&/li&&li&古典模型&/li&&li&常见概率分布&/li&&li&大数定理和中心极限定理&/li&&li&协方差(矩阵)和相关系数&/li&&li&最大似然估计和最大后验估计&/li&&/ul&&p&&br&&/p&&p&3&b&.线性代数及矩阵（大一大二学过有木有）&/b&&/p&&ul&&li&线性空间及线性变换&/li&&li&矩阵的基本概念&/li&&li&状态转移矩阵&/li&&li&特征向量&/li&&li&矩阵的相关乘法&/li&&li&矩阵的QR分解&/li&&li&对称矩阵、正交矩阵、正定矩阵&/li&&li&矩阵的SVD分解&/li&&li&矩阵的求导&/li&&li&矩阵映射/投影&/li&&/ul&&p&&br&&/p&&p&4&b&.凸优化（看不懂不要紧，掌握基础即可）&/b&&/p&&ul&&li&凸优化基本概念&/li&&li&凸集&/li&&li&凸函数&/li&&li&凸优化问题标准形式&/li&&li&凸优化之Lagerange对偶化&/li&&li&凸优化之牛顿法、梯度下降法求解&/li&&/ul&&p&&br&&/p&&p&&b&2、人工智能基础-Python入门及实践课程&/b&&/p&&ul&&li&Python快速入门&/li&&li&科学计算库Numpy&/li&&li&数据分析处理库Pandas&/li&&li&可视化库Matplotlib&/li&&li&更简单的可视化Seaborn&/li&&/ul&&p&&br&&/p&&p&&b&3、人工智能提升 — Python项目&/b&&/p&&ul&&li&Python爬虫项目&/li&&/ul&&p&&br&&/p&&p&&b&4、机器学习基础入门-算法讲解&/b&&/p&&ul&&li&线性回归算法&/li&&li&梯度下降原理&/li&&li&逻辑回归算法&/li&&li&案例实战：Python实现逻辑回归&/li&&li&案例实战：对比不同梯度下降策略&/li&&li&案例实战：Python分析科比生涯数据&/li&&li&案例实战：信用卡欺诈检测&/li&&li&决策树构造原理&/li&&li&案例实战：决策树构造实例&/li&&li&随机森林与集成算法&/li&&li&案例实战：泰坦尼克号获救预测&/li&&li&贝叶斯算法推导&/li&&li&案例实战：新闻分类任务&/li&&li&Kmeans聚类及其可视化展示&/li&&li&DBSCAN聚类及其可视化展示&/li&&li&案例实战：聚类实践&/li&&li&降维算法：线性判别分析&/li&&li&案例实战：Python实现线性判别分析&/li&&li&降维算法：PCA主成分分析&/li&&li&案例实战：Python实现PCA算法&/li&&/ul&&p&&b&5、机器学习进阶提升-项目演练&/b&&/p&&ul&&li&EM算法原理推导&/li&&li&GMM聚类实践&/li&&li&推荐系统&/li&&li&案例实战：Python实战推荐系统&/li&&li&支持向量机原理推导&/li&&li&案例实战：SVM实例&/li&&li&时间序列ARIMA模型&/li&&li&案例实战：时间序列预测任务&/li&&li&Xgbooost提升算法&/li&&li&案例实战：Xgboost调参实战&/li&&li&计算机视觉挑战&/li&&li&神经网络必备基础&/li&&li&神经网络整体架构&/li&&li&案例实战：CIFAR图像分类任务&/li&&li&语言模型&/li&&li&自然语言处理-word2vec&/li&&li&案例实战：Gensim词向量模型&/li&&li&案例实战：word2vec分类任务&/li&&li&探索性数据分析：赛事数据集&/li&&li&探索性数据分析：农粮组织数据集&/li&&/ul&&p&&b&6、深度学习基础&/b&&/p&&ul&&li&计算机视觉-卷积神经网络&/li&&li&三代物体检测框架&/li&&li&卷积神经网络基本原理&/li&&li&卷积参数详解&/li&&li&案例实战CNN网络&/li&&li&网络模型训练技巧&/li&&li&经典网络架构与物体检测任务&/li&&li&深度学习框架Tensorflow基本操作&/li&&li&Tensorflow框架构造回归模型&/li&&li&Tensorflow神经网络模型&/li&&li&Tensorflow构建CNN网络&/li&&li&Tensorflow构建RNN网络&/li&&li&Tensorflow加载训练好的模型&/li&&li&深度学习项目实战-验证码识别&/li&&li&深度学习框架Caffe网络配置&/li&&li&Caffe制作数据源&/li&&li&Caffe框架小技巧&/li&&li&Caffe框架常用工具&/li&&/ul&&p&&b&7、深度学习项目演练&/b&&/p&&ul&&li&项目演练：人脸检测数据源制作与网络训练（基于Caffe）&/li&&li&项目演练：实现人脸检测（基于Caffe）&/li&&li&项目演练：关键点检测第一阶段网络训练（基于Caffe）&/li&&li&项目演练：关键点检测第二阶段模型实现（基于Caffe）&/li&&li&项目演练：对抗生成网络（基于Tensorflow）&/li&&li&项目演练：LSTM情感分析（基于Tensorflow）&/li&&li&项目演练：机器人写唐诗（基于Tensorflow）&/li&&li&项目演练：文本分类任务解读与环境配置&/li&&li&项目演练：文本分类实战（基于Tensorflow）&/li&&li&项目演练：强化学习基础（基于Tensorflow）&/li&&li&项目演练：DQN让AI自己玩游戏（基于Tensorflow）&/li&&/ul&&p&&b&8、人工智能综合项目实战 &/b&&/p&&ul&&li&语音识别、人脸识别、&/li&&li&电商网站数据挖掘及推荐算法&/li&&li&金融P2P平台的智能投资顾问&/li&&li&自动驾驶技术&/li&&li&医疗行业疾病诊断监测&/li&&li&教育行业智能学习系统&/li&&/ul&&p&&b&路径二、如果你希望快速学习完进行项目实践，请直接学习深度学习（哪里不懂，单独学习不懂得地方就可以了）&/b&&/p&&p&&br&&/p&&p&&b&只了解以上的东西就够了么？&/b&&/p&&p&&br&&/p&&blockquote&我们只知道了学什么？别忘了，人都有惰性，很多人是没办法坚持学习完的，而且就算是你坚持了，学习方法不对，你的效率依然很低，浪费大量时间，那么我给你列举了如下学习方法（大师级别的学习方法）&/blockquote&&p&&br&&/p&&h2&&b&第二章：怎么学？&/b&&/h2&&p&为了解释这个问题，我想用高效学习的方法论来阐述，其中的关键词：&/p&&p&&br&&/p&&p&&b&适合自己&/b&——&b&学习方法&/b&——&b&短时间&/b&——&b&注意力&/b&——&b&解决难题&/b&——&b&设定目标&/b&——&b&名师&/b& &/p&&p&&br&&/p&&p&&b&首先找到适合自己的学习方法&/b&&/p&&p&学习方法里面有两种，一个是&b&自然主义&/b&，一个是&b&结构主义&/b&，自然主义注重模仿，结构注意注重创造&/p&&p&&br&&/p&&p&比如英语学习：英语你更多的是需要模仿别人说话，模仿得多了，自己也就会说了，就像是小孩子学习汉语，都是模仿父母学习一个道理，这是典型的自然主义，注重文本本身，就是只是表面看起来的样子。&/p&&p&&br&&/p&&p&高等数学则需要扎实的基本功，一步一步来，就像是你高中数学很差，学高等数学就很吃力，学习高等数学，你做了大量的习题练习，你对于概念的理解就会深刻，本身像数学物理这些学科，让你记得东西本来就不多。&/p&&p&学习这些的目的就是为了让你举一反三，让你学会创造。像英语这样完全是不需要我门创造了。&/p&&p&&br&&/p&&p&&b&人工智能课程属于技能课程学习，那就要遵循技能课程的学习规律，这是典型的结构注意学习方法&/b&&/p&&p&&br&&/p&&p&所以你要多练，一定要把案例逐个实践一遍，然后去想，如果自己去做一个案例，或实现某个应用，你该怎么去做&/p&&p&&br&&/p&&p&&b&1、任务驱动&/b&&/p&&p&学习本身就是反人性的事情，就算是你的学习资料再好，我没有足够的动力学啊，或者说我没法坚持学下去，常常半途而废。&/p&&p&有人说我学习方法对了，为什么还是不管用，一种是学不会，另一种是学不好&/p&&p&学不会是指连入门都没有办法，学不好往往指的是达不到某种专业程度&/p&&p&学不会，可能跟天赋有关，比如身高就是不够打篮球，这种情况就不讨论了，直接说学不好。学不好这种情况是可以被优化，我们经常听到一句话，兴趣是最好的老师。这句话是对的，但是我在这里苦口婆心说你要多培养自己兴趣啊，这样的话，你累，我比你还要累，明明没有兴趣，非要让你喜欢上一件东西，这叫包办。很多事做成，都不是基于兴趣的。那是基于什么呢？你要知道任何人做任何事，都是要回报的。这是一个很浅显的道理，就算是一个人带着很大的痛苦去做一件事也是因为做成了这件事能获得更大的利益。&/p&&p&&b&人做成事来自两个驱动力&/b&&/p&&ul&&li&内部驱动，兴趣这就是很强的内部驱动，此外还有虚荣心等&/li&&li&外部驱动，也就是完成任务带来的奖励&/li&&/ul&&p&既然你干脆没有兴趣，我们干脆就把兴趣学习这件事给否定了，我要说的是，成年人学习不需要培养兴趣，应该用任务来驱动，我没有任务，我找不到任务啊，你会说，我没有任务啊，生活中的任务驱动，工作中的职业强迫，以教为学这些都是任务驱动。其中工作的职业强迫就是一种非常强的任务驱动，比如你可以通过学习人工智能技能，获得了更好的职业收入。你说我实在没有公司去聘请我，那你可以出教程啊，你出完教程然后去学习网站去卖。为了给别人教东西，而去学习。比如我一个朋友，他说他会说英语和日语。我说你啥时候会的日语啊，他说有一次他去英语辅导上课，那天正好日语课的讲师没有来，他自告奋勇说老师，我会教日语。然后他赶快报了一个日语班，结果一边学一边教，他的学生还教的特别好。因为我的这个朋友，他的目标比较明确，他是为了学完去教别人，假如你和他一起报名去学习日语，他一定比你学的好。所以我们是不是也可以抱着为了教别人的心态去学习。&/p&&p&&br&&/p&&p&我在上本科的时候，就想学习PS，可是八年时间过去了，PS还没学会，偶尔学两天，最后也没坚持下去，直到有一次因为要给老妈开一个淘宝店。为了省钱，自己拍照，自己修图，但是不会PS怎么办，就在网上找学习如何做淘宝美工得教程，结果三天把教程里面的案例实践了一遍，愣是自己把淘宝店得图片给修好了，你还别说，图片处理得有模有样。别人都看不出来是新手。&/p&&p&&br&&/p&&p&这就是典型得任务驱动，你啊，赶快给自己找一个任务&/p&&p&&br&&/p&&p&&b&2、拖延症的确诊与治疗&/b&&/p&&p&通过上面一段，我是尽我所能帮你制造了学习的动机，但是光有动机，后面还会遇到别的问题。&/p&&p&&br&&/p&&p&我们接下来就会谈在学习过程中会遇到的其他问题。你说我现在已经有了要教别人的动机，但是有拖延症啊，我就笑一下，你咋得了这么时髦的病啊。最近不少人得了这个病，拖延症中拖延两个字是一个表象。拖延症有个学名叫注意力缺陷多动障碍，在拖延得表象之下，其实本质是注意力无法集中。如果你有这个病，在下一段我尝试给你解决这个问题，我还是要强调，只有任务，只有严峻得任务才能解决你的拖延症。&/p&&p&关于拖延症我希望你清楚得认识两点：&/p&&ul&&li&任何人都有拖延症，只不过有些事拖延，有些事不拖延，因为一个人总不可能什么都不干嘛&/li&&li&第二就算是自认为或者别人认为有拖延症得人，也没有被拖死&/li&&/ul&&p&据我了解，医学上得了这个注意力缺陷多动障碍得人，连初中学业都完成不了，高中学业得少之又少，能考上大学的简直是寥寥无几。所以你说你考上了大学，说明你是没有拖延症。想要解决这个拖延症是任务还是任务。主要是你没有给自己设置严峻得任务。比如你要做一个报告是给你自己朋友得，你可能会拖延，但是假如你要是给你的老板报告，你敢拖延么，假如你是给上千人做报告你敢拖延么？你想想你有给自己设置过这么严峻得任务么？定期像上千人交代，最好是隔天交一份报告的，最好是隔天交一份报告这样严峻，你可能需要这样一次得经验。这里你肯定又要问了，我去哪里找上千人报告去。在这里我要告诉你一个方法，你要把你任务告诉你的身边的朋友，越多越好，相当于给他们吹个牛逼，这样你为了不被别人笑话你，你就必须的努力啊。有的人说，我连一件小事都坚持不下了，比如我要减掉5斤肉，几乎大部分女孩子都成天喊着减肥，但是一直没有执行起来，这里面可能是你得目标设置得有问题。你总想着我有我有一个完美得身材，是的，我还想者当亿万富翁呢，这种目标设置是有问题得，王健林不是给我们提过小目标吗，我觉得他得方法是对的，练习一定伴随着一定程度的痛苦。只不过有些人他的长期目标非常明确，有的人觉得他很苦，他自己不觉得苦，他就能坚持下来，长期目标太长了，太宏大了会增加这个过程当中的痛苦，那你不妨先不要想着最后的结果，什么马甲线啊，什么翘臀啊，你可以先设置个小游戏，做仰卧起做，每天增加一下，今天做5下，明天做6下，这是设定小得目标，把你的大的目标细化成可以每天完成事情，完不成总觉得不行。如果你总觉得舒适，那就不是学习，是练习，如果每天只比头一天多做一个仰卧起坐，那没那么苦吧，三个月之后你就可以秀你得身材了，这件事难道听起来还不够过瘾么。所以说了这么多，我再尝试解决你的拖延问题，这个问题是不太容易解决，要解决它之前，你要先认清一个事实，就是&/p&&ul&&li&任何人都有拖延得表现，给自己设置一个正真严峻的任务&/li&&li&用小的目标去解决拖延的问题&/li&&li&我也为你指出了，从整治自己的身材开始&/li&&/ul&&p&设定小目标，通过做成这件事来突破，然后形成一种惯性，逐渐去学习一些技巧性比较强的东西，先来增强自己信心，最后再去做哪些需要有量变完成质变得事，那整个这个过程算是高效得了。当然拖延症这种表象前提下事注意力无法集中，接下来会为你好好讲讲怎么改善注意力不集中得问题。&/p&&p&&br&&/p&&p&&b&3、通过衣食住行训练专注力&/b&&/p&&p&&b&方法一：&/b&&/p&&p&如果你要学习一样东西，需要工具，你要买贵的，比如像乐器，人们学习乐器是为了什么呢？就是为了听到好的声音啊。有人说你是有钱啊，才能买贵的，其实我之前都是买便宜的。关于买工具这件事其实只要你稍微让自己心疼一点儿就达到效果了，刻意练习这本书强调大量练习，可是你知道怎么心甘情愿得大量练习么？就是要买自己让自己心疼的工具。&/p&&p&&b&方法二：&/b&&/p&&p&吃上怎么训练自己专注力，就是吃点儿好的，少吃素食，少吃外卖，少吃自助餐，就算是人均500得自助餐也少吃，吃一次也就够了。无论是买东西还是吃饭，还是后面提到的其他方面，要的是什么，是一种仪式感，就自助餐就是缺乏仪式感得活动，这个吃一点儿那个吃一点儿，自助餐往往不会是你吃好，但是会把你吃撑，好几天都消化不了，我会建议你少去吃自助餐，吃那些素食、外卖弄几个盒饭在那儿吃，这些都缺乏仪式感，哪怕每次都只有你一个人，也要学会好好吃饭，有人说你能想象出比一个人吃火锅更孤独，更寂寞得状态么，要我说，你们每个人都应该认认真真一个人吃一顿火锅，最好能学会做一顿饭给自己吃，这是营造仪式感非常好得行为活动，就像上一讲给你提到过的，让自己得身体变得更好，可以是我们重塑自己的开端，一个对感受自己身体走样都感受不到，把饭吃好，都做不到，那其他方面是很难做到的，&/p&&p&&b&方法三：&/b&&/p&&p&我的第三个建议就是在工作学习过程中，尽量使用射灯，就是这个灯得光只会局部打亮，就是光线会聚集在一个范围得那种灯，这种仪式感得建立可以让你的注意力稍微集中一点儿，因为其他环境都是黑的，有点儿像舞台得那种感觉，你把自己放在舞台上，应该会把自己放在观众席上面更加专注一些，有的人是无法专注，有的人是过分专注，也就是所谓的沉溺。&/p&&p&&b&方法四：&/b&&/p&&p&最后我要说一个平常生活中非常影响大家专注的事就是睡眠，睡眠不够，人很难做到专注，如果你是一个长期缺觉得人，你想专注那真是太难了，所以我在这里告诉你，困了就睡，不要困得不行了，还要硬撑者做事，这个效率是非常低的，你不如立即进入到高质量的睡眠，你说怎么进入高质量的睡眠，只有当你累坏了的时候才能进入高质量的睡眠，也就是感觉非常困了，你要知道小孩子睡眠经常伴随很多次得夜醒，这种睡眠质量算是非常低的。&/p&&p&&br&&/p&&p&&b&4、大师&/b&&/p&&p&要有明确的目标，直奔大师，不必从基础开始。你找一些乐器课程，都是让你基础开始学习，这是学生得学习路径，但是我们是成年人，如果是从基础开始，是没办法坚持下来的。要去到哪里，从哪里开始&/p&&p&比如你要学习吉他，正好你有一首特别喜欢的歌，那么就练那一首歌，练三个月。你看你能不能学会。&/p&&p&辅导机构为啥让你从基础开始啊，因为不从基础开始，他们怎么挣钱呢？&/p&&p&&br&&/p&&p&这里面即涵盖了兴趣，也包含了任务&/p&&p&&br&&/p&&p&在这里你肯定很好奇，为啥说吉他，这与大师有啥关系，因为让我直接去弹自己喜欢的歌曲，这个方法就是大师教的&/p&&p&&br&&/p&&p&那么对应得就是要学习人工智能，你就要去找，这个里面教学水品最好的，尽管会稍微贵一点儿（当然也有教学效果好，还不贵得，有的话我一定在下面推荐），但是效果好呀，节省下来的时间，和让自己提升得层次水平，让你在工作里面不知道能多赚多少钱。&/p&&p&&br&&/p&&p&&b&5、制造反馈&/b&&/p&&p&如何自己给自己制造反馈，写一点儿东西出来，录制一点儿东西出来，以前我给学生讲物理题的时候，我都让学生给我讲一遍，给我讲清楚算学懂。缺少反馈的是经常是就是平时看书，看完了啥都没记下。&/p&&p&看书的时候，写摘要。 Summary 需要看着文本写，，其中的例子，就不需要出现了。Summary需要用自己的话来写，找出文本当中重要得事实，观点和论据 ，要用自己的话来解释他的话。通过大量的应用和不断的重复，你没想背也把它记住了，要的是这种效果，当我们学习英语的时候。尤其是那种你经常犯错的地方，你需要及时反馈，不然你会在错误当中不停打转，比如学习英语过程中，英语语音掌握就是比较容易犯错误的情况，接着给英语发音给你讲一讲
日本口音。练习出了问题，精度不够，重新回炉，要给自己制造反馈，将自己录一下听一听，不录下来就不知道自己丑态百出，你能想象舞蹈演员为啥要对着镜子练习么？&/p&&p&&br&&/p&&p&人工智能学习，怎么制造反馈呢，你把你学习心得，学习过程中遇到的问题，可以当经验分享出来，让别人帮你看哪里有问题，或者自己找问题。&/p&&p&&br&&/p&&p&&b&6、突破学习瓶颈&/b&&/p&&ul&&li&涉猎范围不够广，影响了你发挥，&/li&&li&专注力不够，影响了你发挥。&/li&&/ul&&p&遇到瓶颈不是方法可能是心态。怎么通过调整心态突破瓶颈，打游戏可以培养自信心。技术层面做出调整，突破瓶颈，也就是调整方法，这可能就是心态的问题了。心态调整的好，做好多事就会容易很多，这跟训练专注力，使用射灯的效果是一样的。遇到瓶颈的第二个瓶颈可能是涉猎范围不够广，比如你要学乐器，你发现你都没有听世界级小提请演奏家的的演奏，突破美感的东西就不能靠重复练习了，如果要突破自己瓶颈就需要涉猎范围广，听一些世界级演奏家的演奏，功夫在世外，如果涉猎范围也够了，可你还是没办法突破，可能是你的专注力不够。一通百通，一个拿下来，你去学其他的，就会比较快&/p&&p&&br&&/p&&p&所以学习人工智能得过程中，我们不能只闷头学习，应该也要多听听大师讲座，一些相关的资讯，来加深自己理解。甚至你看看人工智能其他流派的学术著作，都有助于你理解人工智能。&/p&&p&&br&&/p&&h2&&b&第三章：学习资料推荐&/b&&/h2&&p&&br&&/p&&p&推荐以下学习资料不代表是最好的，只是目前还没发现更好的，如果有人发现了比这更好得，欢迎评论区推荐&/p&&p&&br&&/p&&p&我会把每个学习资料做一个优缺点分析，并给出评分&/p&&p&&br&&/p&&p&推荐资料之前，我要特别申明，&b&坚决反对收藏学习资料（收藏本文可以）&/b&，尽管收藏了可以短暂缓解你的焦虑&/p&&p&&br&&/p&&p&&b&书籍类&/b&&/p&&p&&br&&/p&&p&&b&科普&/b&——人工智能未来的脑洞：《三体1,2,3》、《未来简史》、《奇点临近》、《机器人时代》&/p&&p&&br&&/p&&p&&b&科普&/b&——人工智能发展：《失控》、《智能时代》、《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》、《科学的极致-漫谈人工智能》、《终极算法》&/p&&p&&br&&/p&&p&&b&数学类：&/b&《数学之美》、《7日入门微积分》、《程序员的数学》(简单数学入门)、《程序员的数学-2》(概率与统计)、《程序员的数学-3》(线性代数)&/p&&p&&br&&/p&&p&&b&机器学习类：&/b&《图解机器学习》、《机器学习-周志华》&/p&&p&&br&&/p&&p&&b&其他AI类：&/b&《人工智能：一种现代的方法》&/p&&p&&br&&/p&&p&&b&编程实战类：&/b&《白话深度学习与TensorFlow》、《TensorFlow实战》、《Python编程 从入门到实践》&/p&&p&&br&&/p&&p&&b&课程类&/b&&/p&&p&&br&&/p&&p&&b&吴恩达在网易云课堂上的深度学习课&/b&程：&u&&a href=&//link.zhihu.com/?target=https%3A//mooc.study.163.com/smartSpec/detail/.htm& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&mooc.study.163.com/smar&/span&&span class=&invisible&&tSpec/detail/.htm&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&p&优点：大师讲授，有内容有深度
&/p&&p&缺点：英文教学，其中一些教授用的词汇，根本难以理解，实践项目偏少&/p&&p&推荐指数：★★★&/p&&p&&br&&/p&&p&&b&coursera上的机器学习课程&/b&：&u&&a href=&//link.zhihu.com/?target=https%3A//www.coursera.org/learn/machine-learning& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/mach&/span&&span class=&invisible&&ine-learning&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&p&优点：大师讲授，有内容有深度；有证书认证
&/p&&p&缺点：英文教学，其中一些教授用的词汇，根本难以理解；实践项目偏少；按月收费价格昂贵&/p&&p&推荐指数：★★★&/p&&p&&br&&/p&&p&&b&优达学城人工智能工程师&/b&：&u&&a href=&//link.zhihu.com/?target=https%3A//cn.udacity.com/course/artificial-intelligence-nanodegree--nd889& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&cn.udacity.com/course/a&/span&&span class=&invisible&&rtificial-intelligence-nanodegree--nd889&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&p&优点：谷歌大师亲授，有作业批改服务；质量上看有一定的性价比&/p&&p&缺点：英文教学，学习费劲；按课收费，价格偏贵，学生党望而却步；部分内容讲的不够深入全面&/p&&p&推荐指数：★★★★&/p&&p&&br&&/p&&p&&b&小象学院&/b&&/p&&p&深度学习课程：&u&&a href=&//link.zhihu.com/?target=http%3A//www.chinahadoop.cn/course/1024& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&chinahadoop.cn/course/1&/span&&span class=&invisible&&024&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&p&优点：按期教学，带领学员进度&/p&&p&缺点：只有视频，很考验耐性；老师讲课语言呆板；纯视频899，价格昂贵；缺乏互动反馈&/p&&p&推荐指数：★★&/p&&p&&br&&/p&&p&&b&北风网人工智能实战课程：&/b&&u&&a href=&//link.zhihu.com/?target=http%3A//www.ibeifeng.com/job_AIpage.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&ibeifeng.com/job_AIpage&/span&&span class=&invisible&&.html&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&p&优点：内容全面&/p&&p&缺点：内容太多；只有视频，很考验耐性；缺乏互动反馈，&/p&&p&推荐指数：★★★&/p&&p&&br&&/p&&p&以上就是内容的优缺点，欢迎大家评论区补充，尽量客观公正，我会采纳好的意见补充进来&/p&&p&&br&&/p&&p&如果有机构课程做的，质量高、互动好、反馈好、内容极简、直奔主题，服务好，而且价格实惠。我会强力★★★★★推荐&/p&&p&&br&&/p&&p&当然，如果里面涉及的技术问题不够严谨，也欢迎大神留言，我看到确认无误以后，会及时纠正&/p&
序言回答问题的，都是技术大神，所以我在这里不会谈过多的技术的问题，不然就是自讨没趣，我将从如下三个方面讲述，也是本文的脉络学习什么—帮你规划学习路径如何学习—给你高效学习方法 有哪些好的学习资料—市面口碑较好的学习资料 我不得不问问其他回答者…
&p&能做出这类风格独特的游戏画面，开发人员(尤其是美术)应该是对自己水平是相当自信的才敢剑走偏锋吧，否则做出来不伦不类，还不如走传统美术风格或者pbr。基于这几家公司已发布的技术讲解猜测下可能会用到的几种技术：&/p&&p&1.FireWatch所使用的分层雾&/p&&br&&figure&&img data-rawwidth=&600& data-rawheight=&337& src=&https://pic3.zhimg.com/v2-b3610deb7e7f03c79a7c56_b.png& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/v2-b3610deb7e7f03c79a7c56_r.png&&&/figure&&p&基本原理：取相机深度图做深度分离(类似色调分离，也可以加上Gamma与反Gamma)，然后用UV坐标(深度,0.5)去采样渐变图，最后作为后处理来染色。Pixel Shader中代码：&/p&&figure&&img data-rawwidth=&665& data-rawheight=&254& src=&https://pic3.zhimg.com/v2-db50cb29b3b377d145e4ea_b.png& class=&origin_image zh-lightbox-thumb& width=&665& data-original=&https://pic3.zhimg.com/v2-db50cb29b3b377d145e4ea_r.png&&&/figure&&p&相机深度图分离&/p&&br&&figure&&img data-rawwidth=&969& data-rawheight=&353& src=&https://pic3.zhimg.com/v2-3f325f388ec6b044d963befe47246ece_b.jpg& class=&origin_image zh-lightbox-thumb& width=&969& data-original=&https://pic3.zhimg.com/v2-3f325f388ec6b044d963befe47246ece_r.jpg&&&/figure&&p&另外网上有人提到用sobel算子做深度处理，边缘会更精确。&/p&&br&&figure&&img data-rawwidth=&968& data-rawheight=&352& src=&https://pic3.zhimg.com/v2-0affc5df293db9e83ab6_b.jpg& class=&origin_image zh-lightbox-thumb& width=&968& data-original=&https://pic3.zhimg.com/v2-0affc5df293db9e83ab6_r.jpg&&&/figure&&p&深度分层染色图&/p&&br&&figure&&img data-rawwidth=&600& data-rawheight=&251& src=&https://pic1.zhimg.com/v2-c9c3a6430e7bbac98a1b1634_b.png& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic1.zhimg.com/v2-c9c3a6430e7bbac98a1b1634_r.png&&&/figure&&br&&p&我用Unity做的简化版，有点类似，但是细节上还差很多。&/p&&br&&figure&&img data-rawwidth=&938& data-rawheight=&493& src=&https://pic3.zhimg.com/v2-879b88eaef23ae_b.jpg& class=&origin_image zh-lightbox-thumb& width=&938& data-original=&https://pic3.zhimg.com/v2-879b88eaef23ae_r.jpg&&&/figure&&p&2.Inside所使用渲染&/p&&p&PlayDead在GDC上有个讲解&a href=&//link.zhihu.com/?target=http%3A//gdcvault.com/play/1023783/Low-Complexity-High-Fidelity-INSIDE& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Inside渲染技术的视频&/a&，一个多小时内容，细节很多。&/p&&figure&&img data-rawwidth=&603& data-rawheight=&320& src=&https://pic1.zhimg.com/v2-fe2ff3d30_b.png& class=&origin_image zh-lightbox-thumb& width=&603& data-original=&https://pic1.zhimg.com/v2-fe2ff3d30_r.png&&&/figure&&br&&figure&&img data-rawwidth=&864& data-rawheight=&482& src=&https://pic1.zhimg.com/v2-bb4e13f38c6c206e6696cfbe77911da0_b.png& class=&origin_image zh-lightbox-thumb& width=&864& data-original=&https://pic1.zhimg.com/v2-bb4e13f38c6c206e6696cfbe77911da0_r.png&&&/figure&&br&&figure&&img data-rawwidth=&908& data-rawheight=&484& src=&https://pic3.zhimg.com/v2-c74e23bf2ea70a09fac72_b.png& class=&origin_image zh-lightbox-thumb& width=&908& data-original=&https://pic3.zhimg.com/v2-c74e23bf2ea70a09fac72_r.png&&&/figure&&br&&figure&&img data-rawwidth=&866& data-rawheight=&485& src=&https://pic2.zhimg.com/v2-c6a0ee884dc3ea18f622eee5c417db75_b.png& class=&origin_image zh-lightbox-thumb& width=&866& data-original=&https://pic2.zhimg.com/v2-c6a0ee884dc3ea18f622eee5c417db75_r.png&&&/figure&&br&&figure&&img data-rawwidth=&866& data-rawheight=&480& src=&https://pic1.zhimg.com/v2-546da3a27d4cbbe25fd3e0f71d4e0be0_b.png& class=&origin_image zh-lightbox-thumb& width=&866& data-original=&https://pic1.zhimg.com/v2-546da3a27d4cbbe25fd3e0f71d4e0be0_r.png&&&/figure&&br&&figure&&img data-rawwidth=&866& data-rawheight=&482& src=&https://pic1.zhimg.com/v2-b60356dda9cfd9d0833c_b.png& class=&origin_image zh-lightbox-thumb& width=&866& data-original=&https://pic1.zhimg.com/v2-b60356dda9cfd9d0833c_r.png&&&/figure&&br&&figure&&img data-rawwidth=&867& data-rawheight=&478& src=&https://pic1.zhimg.com/v2-39abd4f8ea0cf_b.png& class=&origin_image zh-lightbox-thumb& width=&867& data-original=&https://pic1.zhimg.com/v2-39abd4f8ea0cf_r.png&&&/figure&&br&&figure&&img data-rawwidth=&862& data-rawheight=&482& src=&https://pic3.zhimg.com/v2-f93b9769d6feb88dfc1490a_b.png& class=&origin_image zh-lightbox-thumb& width=&862& data-original=&https://pic3.zhimg.com/v2-f93b9769d6feb88dfc1490a_r.png&&&/figure&&br&&figure&&img data-rawwidth=&867& data-rawheight=&488& src=&https://pic1.zhimg.com/v2-635ae2befc487fb11a2d5260cdc78e80_b.png& class=&origin_image zh-lightbox-thumb& width=&867& data-original=&https://pic1.zhimg.com/v2-635ae2befc487fb11a2d5260cdc78e80_r.png&&&/figure&&br&&figure&&img data-rawwidth=&869& data-rawheight=&486& src=&https://pic4.zhimg.com/v2-ba5aeadee525d410631f_b.png& class=&origin_image zh-lightbox-thumb& width=&869& data-original=&https://pic4.zhimg.com/v2-ba5aeadee525d410631f_r.png&&&/figure&&p&另外还有专门优化的TAA：&a href=&//link.zhihu.com/?target=https%3A//github.com/playdeadgames/temporal& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&playdeadgames/temporal&/a&&/p&&p&3.That Dragon ,Cancer所使用的Low polygon风格，下面是我存笔记中的，不知道从哪里找到的了。&/p&&br&&figure&&img data-rawwidth=&564& data-rawheight=&1782& src=&https://pic3.zhimg.com/v2-8f0bdf1a333af32c3d4ade_b.jpg& class=&origin_image zh-lightbox-thumb& width=&564& data-original=&https://pic3.zhimg.com/v2-8f0bdf1a333af32c3d4ade_r.jpg&&&/figure&
能做出这类风格独特的游戏画面，开发人员(尤其是美术)应该是对自己水平是相当自信的才敢剑走偏锋吧，否则做出来不伦不类，还不如走传统美术风格或者pbr。基于这几家公司已发布的技术讲解猜测下可能会用到的几种技术：1.FireWatch所使用的分层雾 基本原理：…
平方根倒数速算法
平方根倒数速算法
&p&&b&更新&/b&&/p&&p&没想到这么快200赞，再分享剩下珍藏的几个私货吧：&/p&&br&&p&1.&/p&&figure&&img src=&https://pic2.zhimg.com/v2-3e49e1c9fcb6dbadee89495_b.png& data-rawwidth=&638& data-rawheight=&452& class=&origin_image zh-lightbox-thumb& width=&638& data-original=&https://pic2.zhimg.com/v2-3e49e1c9fcb6dbadee89495_r.png&&&/figure&&p&&b&Cookie Hacker&/b&，余*弦（此处应打码）出品。高调做事，低调做人，黑*客自便。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/cookie-hacker/pbobjedjkopcjolicmbnmmhjmnlcdjfh& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/cookie-hacker/pbobjedjkopcjolicmbnmmhjmnlcdjfh&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&2.&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cf3b55a21b78e0eefed950e2d5ced7ba_b.png& data-rawwidth=&711& data-rawheight=&752& class=&origin_image zh-lightbox-thumb& width=&711& data-original=&https://pic3.zhimg.com/v2-cf3b55a21b78e0eefed950e2d5ced7ba_r.png&&&/figure&&p&&b&EditThisCookie&/b&，另一个cookie工具， 添加，删除，编辑，搜索，锁定和屏蔽。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/editthiscookie/fngmhnnpilhplaeedifhccceomclgfbg& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/editthiscookie/fngmhnnpilhplaeedifhccceomclgfbg&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&3.&/p&&figure&&img src=&https://pic4.zhimg.com/v2-dcef97ceb38d43cf2acf_b.png& data-rawwidth=&1899& data-rawheight=&980& class=&origin_image zh-lightbox-thumb& width=&1899& data-original=&https://pic4.zhimg.com/v2-dcef97ceb38d43cf2acf_r.png&&&/figure&&p&&b&Enable Copy&/b&，激活选择。用途多样而邪恶，不多说，诸君自便。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/enable-copy/lmnganadkecefnhncokdlaohlkneihio& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/enable-copy/lmnganadkecefnhncokdlaohlkneihio&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&4.&/p&&figure&&img src=&https://pic4.zhimg.com/v2-408c5c20b7cac9a34d7ccc0e8beb55bf_b.png& data-rawwidth=&1920& data-rawheight=&919& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-408c5c20b7cac9a34d7ccc0e8beb55bf_r.png&&&/figure&&p&&b&Awesome Screenshot&/b&，这个国内用户很少知道，但国外用的多，在有些时候比Fireshot好。在我的系统分辨率有缩放时表现依然正常。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/awesome-screenshot-screen/nlipoenfbbikpbjkfpfillcgkoblgpmj& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/awesome-screenshot-screen/nlipoenfbbikpbjkfpfillcgkoblgpmj&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&5.&/p&&figure&&img src=&https://pic4.zhimg.com/v2-55f1bbfd54ea569cc9b6c95f_b.png& data-rawwidth=&640& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-55f1bbfd54ea569cc9b6c95f_r.png&&&/figure&&p&&b&Extensions Update Notifier&/b& ，当chrome拓展自动更新时弹出提示，也许不太有用。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/extensions-update-notifie/nlldbplhbaopldicmcoogopmkonpebjm& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/extensions-update-notifie/nlldbplhbaopldicmcoogopmkonpebjm&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&010我是丑陋的分割线10101&/p&&br&&p&推荐一些程序员的干货&/p&&p&1.&/p&&figure&&img src=&https://pic3.zhimg.com/v2-22d9ea9929d6aae6c6aaa_b.png& data-rawwidth=&1920& data-rawheight=&919& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-22d9ea9929d6aae6c6aaa_r.png&&&/figure&&p&&b&WakaTime&/b&，哈哈，你没看错，大名鼎鼎、让无数程序猿又爱又恨的Wakatime也登陆chrome了！顺带附上我这只丧心病狂的猿的统计。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/wakatime/jnbbnacmeggbgdjgaoojpmhdlkkpblgi& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/wakatime/jnbbnacmeggbgdjgaoojpmhdlkkpblgi&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&2. &/p&&figure&&img src=&https://pic2.zhimg.com/v2-f8de901cfe466fa19cec61d171d3b9c1_b.png& data-rawwidth=&1920& data-rawheight=&919& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/v2-f8de901cfe466fa19cec61d171d3b9c1_r.png&&&/figure&&p&&b&Chrono下载管理器&/b& ，再也不用忍受chrome自带的慢速下载器和无穷无尽的失败了，支持资源嗅探，断点续传。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/chrono-download-manager/mciiogijehkdemklbdcbfkefimifhecn& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/chrono-download-manager/mciiogijehkdemklbdcbfkefimifhecn&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&3.&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bf1fae28b830c1af0fcefc6b6e5dc6b5_b.png& data-rawwidth=&1920& data-rawheight=&919& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic2.zhimg.com/v2-bf1fae28b830c1af0fcefc6b6e5dc6b5_r.png&&&/figure&&p&&b&IE Tab&/b& ，在chrome中以ie内核打开网页，前端攻城狮和登录老旧网银必备。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/ie-tab/hehijbfgiekmjfkfjpbkbammjbdenadd& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/ie-tab/hehijbfgiekmjfkfjpbkbammjbdenadd&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&4.&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7d10d6bd3b504edbc43c4affc3a58a13_b.png& data-rawwidth=&1920& data-rawheight=&1005& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic4.zhimg.com/v2-7d10d6bd3b504edbc43c4affc3a58a13_r.png&&&/figure&&p&&b&Postman&/b&，后端api测试神器，前端攻城狮都懂的！传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/postman/fhbjgbiflinjbdggehcddcbncdddomop& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/postman/fhbjgbiflinjbdggehcddcbncdddomop&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&5.&/p&&figure&&img src=&https://pic2.zhimg.com/v2-177fe9b2f680a49a09f862cb2e659555_b.png& data-rawwidth=&283& data-rawheight=&883& class=&content_image& width=&283&&&/figure&&p&&b&SEOquake&/b&，SEO查询神器，站长都知道。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/akdgnmcogleenhbclghghlkkdndkjdjc%3Futm_source%3Dchrome-app-launcher-info-dialog& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/akdgnmcogleenhbclghghlkkdndkjdjc?utm_source=chrome-app-launcher-info-dialog&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&6.&/p&&figure&&img src=&https://pic2.zhimg.com/v2-a723e482d789a5b6ab0fd_b.png& data-rawwidth=&567& data-rawheight=&752& class=&origin_image zh-lightbox-thumb& width=&567& data-original=&https://pic2.zhimg.com/v2-a723e482d789a5b6ab0fd_r.png&&&/figure&&p&&b&Tag Assistant (by Google)&/b& ，又一SEO工具，谷歌Analytics分析，站长必备。传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/tag-assistant-by-google/kejbdjndbnbjgmefkgdddjlbokphdefk& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/tag-assistant-by-google/kejbdjndbnbjgmefkgdddjlbokphdefk&/span&&span class=&ellipsis&&&/span&&/a&&/p&&br&&p&7.&/p&&p&精彩的东西总是在最后面，&b&外贸神器&/b&，看过来，&b&顾小北&/b&老师倾力推荐，Youtube营销必备&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cd0af3e95ab02e_b.png& data-rawwidth=&639& data-rawheight=&392& class=&origin_image zh-lightbox-thumb& width=&639& data-original=&https://pic3.zhimg.com/v2-cd0af3e95ab02e_r.png&&&/figure&&br&&figure&&img src=&https://pic1.zhimg.com/v2-6ea12f0ce1ae6f1e497aebeb0e30d61c_b.png& data-rawwidth=&641& data-rawheight=&437& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&https://pic1.zhimg.com/v2-6ea12f0ce1ae6f1e497aebeb0e30d61c_r.png&&&/figure&&br&&figure&&img src=&https://pic2.zhimg.com/v2-634bd4fec475ebc4e0740c35_b.png& data-rawwidth=&647& data-rawheight=&424& class=&origin_image zh-lightbox-thumb& width=&647& data-original=&https://pic2.zhimg.com/v2-634bd4fec475ebc4e0740c35_r.png&&&/figure&&p&&b&TubeBuddy for YouTube&/b&，具体小北老师已经介绍的很详细——&a href=&//link.zhihu.com/?target=http%3A//www.guxiaobei.com/the-marketing-tool-you-must-use-in-youtube.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&做Youtube，你必须使用的一款营销工具！&/a&传送门：&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//chrome.google.com/webstore/detail/tubebuddy-for-youtube/mhkhmbddkmdggbhaaaodilponhnccicb& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&chrome.google.com/webst&/span&&span class=&invisible&&ore/detail/tubebuddy-for-youtube/mhkhmbddkmdggbhaaaodilponhnccicb&/span&&span class=&ellipsis&&&/span&&/a&&/p&
更新没想到这么快200赞，再分享剩下珍藏的几个私货吧： 1.Cookie Hacker，余*弦（此处应打码）出品。高调做事，低调做人，黑*客自便。传送门： 2.EditTh…
谢邀。&br&&br&&b&这一个回答涉及到两个有趣的后期技巧，大家可以去研究一下。&/b&&br&&br&我们先看一组图：&br&（图片来源于《那些年》剧照）&br&&br&&figure&&img src=&https://pic4.zhimg.com/f007d3c52045d93abef6f76e833f44fb_b.jpg& data-rawwidth=&1000& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/f007d3c52045d93abef6f76e833f44fb_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic2.zhimg.com/787eece4d16bfae23cc9f48a4a306eed_b.jpg& data-rawwidth=&580& data-rawheight=&326& class=&origin_image zh-lightbox-thumb& width=&580& data-original=&https://pic2.zhimg.com/787eece4d16bfae23cc9f48a4a306eed_r.jpg&&&/figure&&br&&figure&&img src=&https://pic2.zhimg.com/120b15fa39f5_b.jpg& data-rawwidth=&1200& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&https://pic2.zhimg.com/120b15fa39f5_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic1.zhimg.com/39b68fb410ebcc6a6c6bd0c_b.jpg& data-rawwidth=&440& data-rawheight=&250& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&https://pic1.zhimg.com/39b68fb410ebcc6a6c6bd0c_r.jpg&&&/figure&&br&&br&其实这是日系中的另外一个派别。&br&&br&我们先看一下直方图：&br&&br&&figure&&img src=&https://pic2.zhimg.com/5e6a5ad27dcf319f211ad019ed8e1901_b.png& data-rawwidth=&268& data-rawheight=&117& class=&content_image& width=&268&&&/figure&&br&&br&可以看到，直方图的最左端和最右端有所缺失。&br&&br&最左端缺失，说明没有纯黑的像素，最右边缺失，说明没有纯白的像素，因此整体看起来安静、平和。&br&&br&————————&br&&br&我们先看第一组。&br&&br&&br&&figure&&img src=&https://pic3.zhimg.com/0daaeceeb006f6dc206a_b.png& data-rawwidth=&777& data-rawheight=&520& class=&origin_image zh-lightbox-thumb& width=&777& data-original=&https://pic3.zhimg.com/0daaeceeb006f6dc206a_r.png&&&/figure&&br&对于这种黄色色调的模仿，其实是很简单的，直接往下拉蓝色通道即可。&br&&br&&figure&&img src=&https://pic3.zhimg.com/fe0fee25cb9ba_b.png& data-rawwidth=&984& data-rawheight=&568& class=&origin_image zh-lightbox-thumb& width=&984& data-original=&https://pic3.zhimg.com/fe0fee25cb9ba_r.png&&&/figure&&br&&br&接下来我们模仿衣服上的辉光。&br&&br&首先我们使用阈值，让图片变成黑白两色。&br&程度以分离出面部和背景为佳。&br&&figure&&img src=&https://pic3.zhimg.com/5308b03edcd5420dfcf49765ce7ecb02_b.png& data-rawwidth=&1054& data-rawheight=&552& class=&origin_image zh-lightbox-thumb& width=&1054& data-original=&https://pic3.zhimg.com/5308b03edcd5420dfcf49765ce7ecb02_r.png&&&/figure&&br&然后我们使用通道，把画面中的白色部分变成选区，新建一个图层。&br&&br&把分离出的图层改为滤色，然后高斯模糊，注意调整图层的不透明度，这样就可以为画面的高光部分增加辉光：&br&&br&&figure&&img src=&https://pic1.zhimg.com/46d78a227d10d59f807e451f881d9c00_b.png& data-rawwidth=&773& data-rawheight=&517& class=&origin_image zh-lightbox-thumb& width=&773& data-original=&https://pic1.zhimg.com/46d78a227d10d59f807e451f881d9c00_r.png&&&/figure&&br&&br&然后拉这样一根曲线：&br&&br&&figure&&img src=&https://pic4.zhimg.com/086ee2a1c66af4d1baff9b_b.png& data-rawwidth=&301& data-rawheight=&294& class=&content_image& width=&301&&&/figure&&br&就可以达到这种效果：&br&&br&&figure&&img src=&https://pic4.zhimg.com/f007d3c52045d93abef6f76e833f44fb_b.jpg& data-rawwidth=&1000& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/f007d3c52045d93abef6f76e833f44fb_r.jpg&&&/figure&&br&&br&———————&br&&br&第二组&br&&br&我们先看一下结构图：&br&&br&&figure&&img src=&https://pic1.zhimg.com/1cc0aa11065cbe38b31508_b.jpg& data-rawwidth=&1600& data-rawheight=&900& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/1cc0aa11065cbe38b31508_r.jpg&&&/figure&&br&什么意思呢？&br&&br&我们先复制图层，然后新建一个图层，填充色彩R136 G130 B104，混合模式改为柔光&br&&br&然后再新建一个图层，填充色彩R69 G80 B64，混合模式改为滤色&br&&br&&br&&b&注意！这就是混合模式的可叠加性！&/b&&br&&br&&br&&b&柔光层的作用在于渲染画面的主色调&/b&&br&&br&&br&&b&滤色层的作用在于为画面加上一层淡绿色（你可以把这一层改为柔光看一下效果）&/b&&br&&br&&br&原图是这样的：&br&&br&&br&&figure&&img src=&https://pic2.zhimg.com/031b9db7425_b.png& data-rawwidth=&932& data-rawheight=&622& class=&origin_image zh-lightbox-thumb& width=&932& data-original=&https://pic2.zhimg.com/031b9db7425_r.png&&&/figure&&br&&br&加完这两层一般就这样了：&br&&br&&figure&&img src=&https://pic4.zhimg.com/e0ae9da64a1f25f5922bb_b.png& data-rawwidth=&754& data-rawheight=&503& class=&origin_image zh-lightbox-thumb& width=&754& data-original=&https://pic4.zhimg.com/e0ae9da64a1f25f5922bb_r.png&&&/figure&&br&然后我们再使用一根曲线：&br&&br&&figure&&img src=&https://pic3.zhimg.com/7f1f7dfae8adecd612737aa_b.png& data-rawwidth=&1139& data-rawheight=&505& class=&origin_image zh-lightbox-thumb& width=&1139& data-original=&https://pic3.zhimg.com/7f1f7dfae8adecd612737aa_r.png&&&/figure&&br&这根曲线的作用主要是把画面的曝光往中间挤，从而让画面平和、安静。&br&&br&&b&这个方法基本上适用于所有这种类型的后期！&/b&&br&&br&&br&————————————&br&&br&如需了解更多后期相关的知识，可以关注我们的微信公众号&b&【泼辣修图】&/b&，微信搜索即可。
谢邀。 这一个回答涉及到两个有趣的后期技巧，大家可以去研究一下。 我们先看一组图： （图片来源于《那些年》剧照） 其实这是日系中的另外一个派别。 我们先看一下直方图： 可以看到，直方图的最左端和最右端有所缺失。 最左端缺失，说明没有纯黑的像素，…
&figure&&img src=&https://pic1.zhimg.com/v2-0cc4ff7a5a69e185c3b149_b.jpg& data-rawwidth=&638& data-rawheight=&479& class=&origin_image zh-lightbox-thumb& width=&638& data-original=&https://pic1.zhimg.com/v2-0cc4ff7a5a69e185c3b149_r.jpg&&&/figure&&p&&&&*******我是python的注释线********&/p&&p&本文适合想要入门机器学习，深度学习，或者有机器学习基础，想快速入门kaggle并完成一个项目的童鞋(^v^)&br&&/p&&p&************************************&&&&/p&&br&&p&在开始在前，首先说一点个人建议：&/p&&p&1.学习kaggle最好的方式莫过于自己动手。所以看文章时你首先应该去kaggle官网&a href=&https://link.zhihu.com/?target=https%3A//www.kaggle.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Your Home for Data Science&/a&注册个自己的账号，然后我们撸起袖子一起干！&/p&2.想在刷kaggle中快速成长，自己的基础必须牢固，要学会机器学习，深度学习的基础知识，还要掌握常用的库，为了以后你能连续打车，建议你学会这些。&p&&br&OK，现场直播，开始！&/p&&figure&&img src=&https://pic4.zhimg.com/v2-10ddf1bdcd0bf04e4847cbcb_b.jpg& data-rawwidth=&250& data-rawheight=&174& class=&content_image& width=&250&&&/figure&&p&登陆kaggle账号之后，来到界面：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//www.kaggle.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Your Home for Data Science&/a&&/p&&p&点击Competitions&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-b1e9ef5a48d5e438a106e02412b4fda8_b.jpg& data-rawwidth=&819& data-rawheight=&460& class=&origin_image zh-lightbox-thumb& width=&819& data-original=&https://pic1.zhimg.com/v2-b1e9ef5a48d5e438a106e02412b4fda8_r.jpg&&&/figure&作为入门，我们选取All Categories里的Getting Started.&/p&&figure&&img src=&https://pic2.zhimg.com/v2-38bdd4faec3e4ad414ee3_b.jpg& data-rawwidth=&968& data-rawheight=&374& class=&origin_image zh-lightbox-thumb& width=&968& data-original=&https://pic2.zhimg.com/v2-38bdd4faec3e4ad414ee3_r.jpg&&&/figure&&p&点进去之后有两个项目，一个是手写识别digit Recognizer项目，一个是我们今天要实践的Titanic项目。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-f9a9d48bab54e8cb2e8104_b.jpg& data-rawwidth=&675& data-rawheight=&376& class=&origin_image zh-lightbox-thumb& width=&675& data-original=&https://pic1.zhimg.com/v2-f9a9d48bab54e8cb2e8104_r.jpg&&&/figure&点开Titanic项目：&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-f4d3fce5403eea85a019d9d08d62c015_b.jpg& data-rawwidth=&977& data-rawheight=&547& class=&origin_image zh-lightbox-thumb& width=&977& data-original=&https://pic1.zhimg.com/v2-f4d3fce5403eea85a019d9d08d62c015_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-8ed9c7dffb746de463d26c1c2c1935f9_b.jpg& data-rawwidth=&924& data-rawheight=&434& class=&origin_image zh-lightbox-thumb& width=&924& data-original=&https://pic1.zhimg.com/v2-8ed9c7dffb746de463d26c1c2c1935f9_r.jpg&&&/figure&这里我们主要关心Home栏里的Data和Make a subssion和kernels栏。data栏提供训练集train.csv和测试集test.csv。提交结果有两种方式，一种是离线处理好数据直接在Make a subssion里提交，一种是在kernels里的New Script里提交代码，我更偏向自己离线处理好数据直接make a subssion。&/p&&p&把Data Files里的文件都下载到本地。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-298efe6cbdcf59da4fcc8ca6fdb1f193_b.jpg& data-rawwidth=&663& data-rawheight=&378& class=&origin_image zh-lightbox-thumb& width=&663& data-original=&https://pic1.zhimg.com/v2-298efe6cbdcf59da4fcc8ca6fdb1f193_r.jpg&&&/figure&一般的kaggle项目只包括训练集，测试集以及提交示例，但作为kaggle的入门项目，Titanic项目还提供了三个示例代码。我们运行其中一个，比如gendermodel.py，运行完成后，会生成gendermodel.csv项目。点开make a submission,点击&click or drop your submission here&将本地的gendermodel.csv提交至kaggle,在文本框添加必要的说明，然后点击submit提交。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e585ad9ffc83d3c098d0158f_b.jpg& data-rawwidth=&1136& data-rawheight=&537& class=&origin_image zh-lightbox-thumb& width=&1136& data-original=&https://pic3.zhimg.com/v2-e585ad9ffc83d3c098d0158f_r.jpg&&&/figure&&br&&p&在My Submission里可以看到自己的结果，可以看到，gendermodel.csv的准确率是0.76555。&/p&&p&OK，到这里，kaggle入门这波已经稳了。&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-70c92cd288b857a135c493a0c9cd5880_b.jpg& data-rawwidth=&278& data-rawheight=&156& class=&content_image& width=&278&&&/figure&以Titanic为例，你已经学会了如何使用kaggle。而关于Titanic这个项目，我还要多说两句。&/p&&p&&figure&&img src=&https://pic1.zhimg.com/v2-9b100d8d670f9561a66fbfbeb67b9480_b.jpg& data-rawwidth=&184& data-rawheight=&219& class=&content_image& width=&184&&&/figure&Titanic项目的任务是通过训练集训练一个模型，然后根据测试集中乘客的属性，判断这个乘客是否能存活（生存还是死亡？这是个问题！）&/p&&p&打开训练集，共有892行，每一行表示一位乘客，一个乘客共有“PassengerId,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked”和“Survived”这几种属性，而在测试集中，乘客信息没有Survived属性，我们需要根据在训练集中训练到的模型，根据测试集乘客信息判断乘客是否能生存（Survived的值等于1或0）。&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-931ffcc40a0840129fcf_b.jpg& data-rawwidth=&928& data-rawheight=&384& class=&origin_image zh-lightbox-thumb& width=&928& data-original=&https://pic2.zhimg.com/v2-931ffcc40a0840129fcf_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-ba8ad021a7c5fb1bd7093b_b.jpg& data-rawwidth=&805& data-rawheight=&411& class=&origin_image zh-lightbox-thumb& width=&805& data-original=&https://pic4.zhimg.com/v2-ba8ad021a7c5fb1bd7093b_r.jpg&&&/figure&&p&示例的三个代码（gendermodel.py,genderclassmodel.py,myfirstforest.py）三种处理问题的方式。&/p&&p&1.第一种gendermodel.py处理得最简单粗暴：把乘客的其他信息都丢掉，只根据性别判断：哪个性别的生存率更高则判断哪种性别为存活，比如测试集中男性生存率高，则把男性判断为生存，女性判断为死亡；反之把男性判断为死亡，女性判断为生存。&/p&&p&2.第二种genderclassmodel.py，模型采取了性别，阶层（class），票的价格Fare三种属性。性别为男女，阶层有1~3三种阶层，价格票价分为0~10，10~20，20~30，30~39（大于39的都设置为39）。每个乘客对号入座，某种属性在训练集中生存率平均值大于0.5，则将该属性的乘客判断为生存，小于0.5则判断为死亡。比如，女性，票价0~10，阶层为1的乘客在训练集中生存率平均值为0.75，则对于测试集中所有这一范围的乘客，都将其判断为生存。&/p&&p&3.第三种myfirstforest.py,去掉'Name',
'Ticket', 'Cabin', 'PassengerId'这四个对结果并没有什么用的属性，选择其他全部属性，采取随机森林的算法对结果进行预测。&/p&&p&关于这三个程序，我真的只是简单地说了两句。预知详情，请分析源码 (。?`ω??)&/p&&p&当然，感觉Titanic项目不怎么好玩，准确率怎么也提不高。还是digit Recognizer更好玩一点，用CNN可以把准确率提高到99%以上，所以这个，我就不贡献自己的方法了~&/p&&br&&p&OK，到这里直播就结束了~祝大家玩得开心，下车前记得刷卡！&/p&&figure&&img src=&https://pic4.zhimg.com/v2-1a7ea73becfba1d4b40d5f_b.jpg& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-1a7ea73becfba1d4b40d5f_r.jpg&&&/figure&
"""*******我是python的注释线********本文适合想要入门机器学习，深度学习，或者有机器学习基础，想快速入门kaggle并完成一个项目的童鞋(^v^) ************************************""" 在开始在前，首先说一点个人建议：1.学习kaggle最好的方式莫过于自己…
&p&&b&1、“一个电子会同时通过两条缝隙。”&/b&&/p&&p&电子双缝干涉实验已经快百年了，其背后蕴含的微观世界的物理早已被人熟知，量子力学也经过了各种其它实验的检验，目前它的扩展和应用更是层出不穷。然而，因为普通人对其所谓“直观理解”的偏差和物理学界本身对量子力学诠释上的争论，使其蒙上了一层神秘的色彩，很多时候又带着一层哲学味道。&/p&&p&早年对电子双缝实验的理解，认为其是大量粒子的统计结果，直至人类有能力让电子或光子一个个通过。结果人们发现“单电子”也能产生干涉条纹。当我们在缝隙后装上仪器，试图去“观测”电子到底从哪条缝隙通过时，电子干涉条纹竟然“神秘地”消失了。&/p&&p&传统的哥本哈根诠释认为“测量”本身会影响观测系统，在没有观测前，电子波函数弥漫全空间，体现“波动性”，所以有干涉效应；当我们试图观测电子“位置”时，电子波函数发生了所谓“瞬间塌缩”，被投影到某个位置空间，体现所谓“粒子性”，因此就没有干涉了。&/p&&p&但这个解释显然不能让人满意。从“直观理解”上讲，这简直是“有点荒谬”的，作为没有思想的“电子”，它怎么知道，我在观测它？然后它会作出反应，会发生所谓“塌缩”？而且还是“瞬时”的。更进一步去深究，物理世界到底有没脱离我们测量的“实体”？一旦测量本身会对结果有影响，那么我们所“认知”或是“看到”的物理世界完全是“我们”或是“实验仪器”跟“客观世界”共同作用的结果，“物理实在”在哪里？&/p&&p&特别经过十几年马克思主义唯物论XN的国人来说，没有一个脱离“思维”、“观测”、“仪器”存在的“客观世界”是不可想象的。当然我前面说的都是“诠释”脑洞大开的结果，与量子力学基础理论和实验都没多大关系。但这个给人太多的理由攻击和责难量子力学，到现在依旧如此。&/p&&p&我想说现今的物理学家大多不去争论这个问题。管它哥本哈根多世界隐参数，能用的理论就是好理论。而量子力学就是这么个奇妙的东西，理论无比正确，实验无比精细，应用无比广泛，大家却对其基本假设或解释知之有限，而传统的解释却又让人感觉“荒谬”。以为这就完了？NoNoNo。下面我会再讲一个更“奇怪”的东西:&/p&&p&&b&2、“远到无穷远的纠缠。”&/b&&/p&&p&好了我来更新这个浪漫的物理了。大话西游那句经典的话：“当时这把剑离我的喉咙只有0.01公分，但是四分之一柱香之后，那把剑的女主人将会彻底的爱上我：曾经有一份真挚的感情摆在我的面前我没有珍惜，等我失去的时候才追悔莫及，人间最痛苦的事莫过于此，你的剑在我的咽喉上刺下去吧，不用在犹豫了！如果上天能给我一次再来一次的机会，我会对哪个女孩说三个字：我爱你，如果非要在这份爱上加一个期限，我希望是一万年！” 其实吧，从物理角度来看，0.01公分的距离还长着呢，一万年？在宇宙的年龄中甚至连一眨眼都不是。但却有某些粒子，从他们产生的那一刻，就注定无法分离，相守终身，即使他们飞到宇宙边界，也永远纠缠在一起。&/p&&p&这就是纠缠态。&/p&&p&纠缠态是个神马东西？其实挺好理解。假定在原点处有个自旋为0粒子的基态，在某个时刻发生衰变，出射出两个自旋为1（要么上要么下）的粒子。根据量子数守恒，因为总自旋为0，这两个粒子自旋方向肯定是相反的。这些都没有问题，“纠缠”的问题并不在这里。按我们“经典”的理解，这两个粒子好比左右手套么，总是配套的，一个左手的另一个就是一个右手的，一个右手的那么另一个就是左手的（爱因斯坦的理解）。但我想说，这种理解是错误的。而且被实验证明是错误的。&/p&&p&什么意思？这里面有什么偏差？把这两个粒子比喻成左右手套，意味着从分离的一刹那，他们的状态就“确定”了。这有什么错？我先说在量子力学中对这两个粒子的理解：从衰变开始，这两个粒子的自旋是“不确定”的，他们是一个整体，不可分割，只有在我们通过“测量”确定其中一个粒子的自旋方向后，另一个粒子的自旋才能被“确定”。也就是说它们之间似乎有一只“无形的手”连接，而这只“无形的手”竟然是“超距”和“瞬时”的。&/p&&p&等等，有人会说，你这么说，不过是解释起来不同而已，听起来还是左右手套那种“确定论”靠谱一些，好像两者描述的事情没什么不同啊。这位同学，你很聪明。如果单从一个方向描述（一维），比如例子自旋的Z方向，两种描述在物理上根本没什么区别，反而后一种听起来更加“荒诞不经”，什么？测量？什么？超距作用？那因果律呢？光速不能超越呢？想搁哪去？&/p&&p&但别忘了，这个世界是三维的。三维的意思，自旋在坐标系下是有三个维度的。在我们”确定“一个粒子自旋时，我们观测的方向只是粒子真实自旋方向在某个坐标系下某个坐标轴的”投影“而已，也就是说我们一次只能测定x、y、z三个轴中的一个方向的自旋。那么问题就来了。”经典理解“和”量子力学理解“就会在实验上有明显的偏差。&/p&&p&这个偏差理解起来也是很简单的。如果世界是”经典“的，粒子从衰变后自旋是”确定“的，那么”观测“本身不会对粒子自旋造成任何影响，我们只得到一系列”分立“的自旋模式，而这些”分立“的自旋模式每种概率加起来是1，最关键的一点：这些概率与任何观测角度无关。但是，如果这个世界是”量子“的，粒子在分离后自旋方向不确定，两者从产生后就不可分离，相关性很强，只有在测量后，波函数塌缩，我们才能确定两者自旋方向，而不同方向的测量跟测量方式相关，因此相关性和概率不是线性的（经典情况）而是连续的，而且与观测角度有关。&/p&&p&学过基本概率论都知道，如果两个系统无法交换信息，他们的相关性必须满足某种随机概率上的限制，是有一定的”极限“的；如果两个系统是关联的，那么他们的相关性则不用满足随机分布的相关性极限。在纠缠态的例子中，这个极限就是贝尔不等式（不同方向自旋测定的相关性需要满足的式子）： |Pxz-Pzy|≤1+Pxy。&/p&&p&关于贝尔不等式的详细解释请参看我的知乎：&a href=&http://www.zhihu.com/question//answer/& class=&internal&&贝尔不等式究竟是在阐述什么问题？ - One Two的回答&/a& 。关于贝尔不等式的实验影响深远。这不仅证明了爱因斯坦观点的错误，量子力学的确是”非定域“的，也对未来的量子力学应用打下了坚实的基础。目前很多实验室（包括中国中科院潘建伟院士的工作）已经制备了多个粒子量子纠缠的远距离量子通信。但需要说明的是，纠缠态与”超光速“、”信息不守恒”并没多大关系。量子通信里，另一个粒子虽然相隔很远都能“感受”地球上另一个粒子的“信息”，但这种信息交换需要“经典信道”传回才能使用，换句话说纠缠态只是个“中间数学过程”，物理可观测量并无法做到“超光速传输”。&/p&&p&很多女生是不是觉得如果跟男友或老公也有这么个“纠缠”挺好，O(∩_∩)O哈哈~但我想说的是，前面两个似乎都是量子力学中在微观上奇特效应，当年最有名“最荒谬”最不可思议的，当属薛定谔那只：&/p&&p&&b&3、“不死不活的猫。”&/b&&/p&&p&关于这只猫，网上可以找到多个类似但本质相同的版本，我这里就不赘述了。实际上并没有真正的一只猫是“不死不活”的，因为薛定谔当年提出这只“猫”的目的只是为了反对哥本哈根几率诠释的一个理想实验，薛定谔认为量子态演化应该遵循薛定谔方程和态叠加原理，而不可能发生因为观测导致的“塌缩”。实际上与哥本哈根诠释密切相关的，量子力学的奠基人之一尼尔斯.玻尔本人也对“观测”导致的量子态“塌缩”持有一定的疑义，为了避免出现量子力学在宏观尺度的悖论，提出了对应原理，即大尺度宏观系统的量子物理行为应该近似于经典行为（也是怕了这只猫的结果）。&/p&&p&同贝尔不等式类似，两者提出时均为理想实验，但两者又有明显的区别。贝尔不等式是微观尺度的理想实验，后来被人们改进后成为了“真正实验”，从而否定了定域隐变量理论；而“薛定谔的猫”属于宏观实验。实验观测宏观甚至介观尺度的量子力学效应都是非常困难的，因为在量子力学中有个很重要的结论，那就是退相干。&/p&&p&具体什么是退相干是个很复杂的物理问题，这里面又涉及到微观因果律、色散关系等很数学的东西，就不具体说了。大家只要知道一个事实就可以：猫不死不活的叠加状态即使被制备出来，它受到很强烈的环境限制，比如盒子里的空气啊细菌啊病毒啊猫自身的运动啊甚至地球自转公转还有最关键的温度等等，这些环境因素会发生所谓的“扰动”，这些“扰动”实际上是在“打开盒子观测”前，就对“猫态”进行了多次观测，在这些“扰动”下，“不死不活”的叠加态及干涉项会迅速随时间指数衰减到0，只剩下两个经典的“波包”：要么是死猫，要么是活猫。所以在现实中，打开盒子之前，“猫”的生死因为退相干早已决定了，而不是因为打开盒子的“观测”再发生“塌缩”。根据量子力学的基本原理，“退相干”的速度与观测物尺度成正比：越大的物体退相干越快。&/p&&p&最近二十年的实验工作，虽然没有制备如猫尺度大小的量子叠加态，但实现了介观尺度，也就是大量原子或电子的猫态。这个尺度对于量子微观尺度来说已经算是“宏观”的了，但离“猫”的尺度还相去甚远，而且制备的叠加态很快就因为退相干衰减掉了。虽然制备了很多这样的“猫态”，但人们仍旧不清楚量子叠加态如何“塌缩”为单个的量子本征态。也不知道在几率的微观世界下，如何组成如此特殊和确定性的宏观世界。&/p&&p&围绕这个问题，以及很早年的“上帝掷骰子吗？”这类问题，物理学家提出了很多新的量子力学诠释，从而使这个问题更加开放：从最早年的哥本哈根诠释，到目前火热的多世界诠释，以及死而不僵的隐参数理论（非定域），还有什么系综诠释、关系诠释、客观塌缩诠释等等。这是个脑洞大开的领域，虽然因为越做越哲学也逐渐成为物理学里的“肥猪流”领域。然而，既然提到了上帝，我们目前尚不知道上帝掷不掷骰子（不同诠释下对波函数和其运动方程的理解是不同的），但我们却知道另外一个事实：&/p&&p&&b&4、“上帝（竟然）是左撇子。”&/b&&/p&&p&这个草稿是2014年写的竟然更新到2015年了。。。要提到左右手的事情就不得不提手征性了，其实手征性这个事情也不是那么难理解。比如以地球为例，我们定义由南到北的方向为“轴向”，那么地球自转遵循的定律就是右手定律，即拇指方向为轴向，另四个手指方向为旋转方向。而如果存在一个“镜像”的地球，它的自转遵循的就是左手定律。左手和右手的旋转不依赖于观测坐标系的选取，是“星球”自身的属性，比如地球不可能忽然由自西向东变成自东向西的旋转，可以认为在某种对称性下（宏观是平移和转动对称性）是“不变”的。这就说所谓的“手征性”。在微观领域，粒子的“自旋”并不能真正看成类似地球的转动，但是的确可以把粒子以洛伦兹不变的方式，将其区分为“左旋”和“右旋”的。当然左右是相对的，依赖轴向的选取，但只要选取一种轴向规则，粒子的手征性就必然“固定”了。在量子场论里，一个四分量旋量场可用γ_5矩阵分解为两个二分量部分，可各自作为洛伦兹群的表示，如果把其中一个二分量场定义成“左手”的那么另一个就是“右手”的。&/p&&p&按照直观的理解，粒子的“左右手”应该是对称的，左旋粒子只是右旋粒子的镜像而已，他们应该遵循相同的物理规律，这就是所谓的”手征对称性“，而在粒子相互作用时，就体现为所谓的”宇称守恒“。但是，这个直观的看法却是错误的，因为听起来很荒谬，但从目前各种实验上看，上帝的确是有所偏向的。&/p&&p&我们先不谈太复杂的物理。即使在其它领域，手征性也是比较明显的。比如制药领域。很多时候必须分清左右旋药物的不同药物动力学机制，如果两者很不相同，我们只需要其中一种，就必须进行提纯（否则有可能另一种镜像药物会吃死人）。在化工领域更是了。从结构上讲，一种“左旋“结构体只是另一种”右旋“结构体的镜像而已，按常理不会出现较大差异，可是自然规律却真不是这样。&/p&&p&大家都知道杨振宁和李政道获得诺贝尔奖的贡献是因为“发现宇称不守恒”，可是这个背后究竟是什么呢？当时还没有粒