深度碎片的學習歷程，方向與特質

持續學習的原動力

讓那些束之高閣但充滿魅力的論文和教材里的知識，能用普通人的語言來講述和理解；

在知乎上做的有關機器深度學習的問答 （努力做到直觀簡潔，將前提知識與概念要求降到最低）

講給路人聽的深度學習 （早期視頻系列嘗試）

演算法的人生啟示 （近期視頻系列嘗試）

機器是如何獲得人類的能力的 (近期的努力)

專註方向

主流核心的機器學習，深度學習，強化學習的概念，原理和演算法模型（專註理解力基本功的打磨）

從0開始學習，對機器（深度）學習構建了一定程度的系統認知

將海外優質深度學習，機器學習課程，深度解剖，製作成圖解視頻筆記系列，力求更直觀簡潔的，讓普通人聽得懂的解讀

迭代1:吳恩達深度學習(全)

迭代2:李宏毅深度學習

迭代3:吳恩達機器學習(全)

迭代4：一句話的機器學習深度學習 （複習深度學習核心概念）

從恐懼到細緻深入解讀機器（深度）學習論文

通過圖解論文視頻系列，剖析經典和前沿論文中的演算法和模型創新，用更直觀簡潔的理解，讓普通人也能了解模型原理和熟悉前沿動態；

論文早期系列解讀

2017年做的一篇剛出爐的前沿論文解讀

近期重讀經典論文

具備理解機器學習和深度學習課程與論文所需數學基礎

通過圖解視頻系列，解讀了機器學習所需的概率論，線性代數，微積分直觀理解，

圖解葉丙成概率公開課

圖解機器學習的數學基礎（線性代數，微積分，PCA）

近期開始的學習積累

圖解困擾大多數學習者的經典機器學習教科書 （難度較大，緩慢更新）

圖解Bishop的模式識別和機器學習

圖解Murphy的概率機器學習

圖解Sutton的強化學習

圖解深度學習花書

當前工作重點

構建全面深入的對概率統計，線代微積分的直觀理解 （大部分精力所在）

圖解概率：逐步構建概率的直覺

代碼能力

具備深度解讀pytorch源代碼能力

具備解讀chainer源碼能力

具備熟練使用keras, tensorflow寫交易模型的能力

簡單版模型及視頻分享 （早期摸索，模型表現不好）

複雜交易模型及可視化代碼 （1年前的代碼，沒有近期維護）

（近期代碼不是學習重點，有些生疏；目前無力做代碼方面的視頻工作和問答）

期望中的未來工作

為企業定製機器（深度）學習培訓課程，幫助實現產品中的機器（深度）學習的模型，演算法，技巧，概念，能在客戶，產品經理，研發人員，決策者之間實現高效準確直觀的理解和溝通。

有泛泛的嘗試產品經理的機器(深度)學習圖解手冊，但缺乏實際具體問題和應用場景，無法深入；

機器是如何獲得人類的能力的 （同等的簡潔直觀理解，但沒有企業需求和產品來做定製課程）

個性特點

保持高度的危機感，同理心，溝通協調意識;

努力用GD+adagrad, RMSprop, Momentum的原則做好每天的積累；

有莫名強烈的將飄在雲端傲視人世的科學成果打入人間的執念;

有探索直覺直觀理解高深論文和課程的執念;

有包容paradox心智;

有從哲學，歷史，社會角度理解科學原理的原始直覺instinct；

推薦閱讀：