導讀 | 孟巖
現在學習 AI，特別是上手深度學習，已經清楚的出現了兩條路子。
一條以理論為中心，紮紮實實從數學基礎開始，把數據科學、機器學習大基礎夯實，然後順勢向上學習Deep Learning，再往前既可以做研究，也可以做應用創新。
還有一條路子是以工具為中心，直接從Tensorflow、Caffe、MXNET、PyTorch 這些主流的工具著手，以用促練，以練促學。
一般來說，第一條路子適合於還在學校裡、離畢業還有兩年以上光景的青年學生，而第二條路子適合於已經工作，具有一定開發經驗的人，也適合時間有限的轉型開發者，這條路見效快，能很快出成果，受到更多人的青睞。但是它也同樣需要一個健康的框架，如果自己瞎撞，表面上看很快也能重複別人已經做出來的成果，但是外強中乾，並不具備解決新問題的能力，而且一般來說在知識和技能體系裡會存在重大的缺陷。
斯坦福大學今年上半年開了一門課程，叫做 CS20SI: Tensorflow for Deep Learning Research。可以說這門課程為上面所說的第二條路徑規劃了一個非常漂亮的框架。雖然課程視頻目前並沒有看到，但是全課的大綱、課件、筆記、代碼和作業都在斯坦福大學網站上全面公佈。我看了以後覺得很有必要推薦給正在為深度學習入門而發愁的開發者。
斯坦福作為全球計算機科學頂級的學府，學術研究當然是超一流的，但它同時作為硅谷的創新中心，特別擅長於理論結合實踐，在它的教學體系裡安排了大量非常面向實戰應用課程。學習斯家的課程，你很容易找到一種文武雙修、理論與實踐生命大和諧的感覺。特別是斯家課程的課件之細緻完備、練習之精到舒適，處處體現一種“生怕你學不會、學不懂”的關懷。這使得斯家的在線課程，在家家辦慕課的今天，仍然是鮮有匹敵。像 Andrew Ng 的機器學習課程，Dan Boneh 的密碼學課程，早年開設的 iOS 開發課程，在同類在線課程中都是最受歡迎的。
從放出的課件來看，這門 Tensorflow 課程同樣具有斯家課程的一貫特點，內容完整而又重點突出，練習豐富、材料細緻，既強調動手能力，也幫你夯實理論基礎，既讓你馬上就能出成果，又不會攔著你進一步深造。特別是授課者考慮到很多學生無力購置昂貴的 GPU 硬件，特意將項目練習的硬件要求降低，學生在普通的 MacBook 和筆記本 PC 上就可以基本完成課程的學習（當然在做某些任務時需要耐心等待，這個怕是逃不掉），實在是思慮體貼。
我主張今天學習任何技術，都應該以線下面對面或者在線課程為主線，以圖書為參考資料，兼顧動手能力和理論基礎，這是效率最高的方式，千萬不要再採用20年前啃書的模式，耗日持久，效果不佳。對於Tensorflow學習來說，斯坦福的這門課程是一個上佳的框架，值得大家採納。
以下為斯坦福Tensorflow深度學習課程安排，由AI100編譯整理。
這篇文章只是介紹了課程大綱，如果你想更深入地學習斯坦福的課程，可收藏原文地址獲得課程的演講PPT和筆記。你也可以在AI100公眾號回覆“斯坦福”獲得原文地址。