- 介绍 ：本项目是一套完整的科研计划，旨在帮助大家少走弯路，循序渐进掌握科研工具 ，关注作者
- 学习顺序 ：README已经将学习顺序排好了，按照顺序一步一步地学就可以。
- 学习社区 ：一起学习打卡/面试技巧/如何选择offer/职场规则/简历修改/技术分享。欢迎加入「AI科研指南」知识星球 。
- 转载须知 ：引用本项目文章请注明出处，发现恶意抄袭或搬运，会动用法律武器维护自己的权益。让我们一起维护一个良好的技术创作环境！
目前AI可谓是科研界的蒸汽机，很多领域都可以利用AI重新做一遍，可谓是一种新的科研范式。但是面对日新月异的AI技术和工具，又该从何学起，学什么。
大家（包括我自己）在一开始接触科研时，觉得十分痛苦，原因主要有以下原因：
- 编程基础薄弱
- 找不到合适的科研方向和项目
- 没有科研全流程的感知，总是会陷入某些细节，无法自拔
我在各个平台上都积极地回答过自己做科研入门的经验，以及后来切实地帮助近100名同学规划研究路径，并切实地取得阶段性成果时时，我惊讶地发现：其实大家都能在掌握基本地科研技巧之后，能自主地将工作做得很好，并且能从容地面对问题。比如他们懂得去自己去改代码，做实验。同时，我也惊讶地发现：其实入门要掌握的技术点，不难，且适用于绝大多数人。对于入门，最理想的状态是用最短的时间，按照循序渐进的难度顺序把必要的方法和工具都学会，即用最少必备的知识搭建起框架。之后就不断迭代，不断完善。
但是，大家都说科研要自学，要自学，却没告诉你怎么学。市面上有教你如何写好代码的，如何刷题的，也有教机器学习的，但是没有一个资料告诉你，我要做好科研，我每个阶段该做什么。所以很多同学会陷入一个误区，感觉知识永远学不完，我要学到什么什么程度才开始科研呢？
因此，我将自己入门的经验以及近100名同学入门的经验总结了一份攻略，一个非常详细的入门攻略。每个阶段都是精心确定的，确保是在入门过程中必经的过程。每个阶段，我都写了一步一步的详细步骤，也配备了额外的学习资料。以做好科研为主线，贯穿所有内容，特点在于，学完就能动手实践。
如果你在准备踏入科研之门，强烈建议先按照本攻略顺序来学习并实践，实践完你会发现对整个科研流程的理解有一个质的飞跃，不会在众多资源和放向中迷失了自我。更重要的是，你懂的了如何自学，如何去解决一个难题，我想这比水论文更为重要。
按照前面的排列顺序，每一章节都先认真阅读，最好的学习方法是边学边跟着操作去实践。按照顺序去做就好。
- 提供了深入浅出的AI基础知识介绍，涵盖机器学习、深度学习等领域，帮助用户建立起对人工智能的基本理解。
- 提供了丰富多样的实践项目和案例，以交叉科学研究问题为背景，让用户通过动手实践来应用所学的人工智能技术。
- 提供了课程讲义、视频讲座和实验指南等教学资源，帮助用户系统地学习和理解人工智能在科学研究中的应用。
- 我们建立了一个活跃的社区，让用户可以互相交流经验、分享项目成果，并获取其他社区成员的支持和反馈。
- 浏览我们的教学资源，建立对AI基础知识的理解。
- 尝试参与实践项目和案例，将所学知识应用到实际科研中。
- 加入我们的社区，与其他科研人员交流经验和资源。
AI科研指南，旨在帮助科研人员利用人工智能技术来提升科学研究的效率和质量，无论你是一个初学者还是一个经验丰富的科研人员，我们都欢迎你的加入！
大家好，我是翁乐安，目前在从事算法工作。
添加如下微信，了解更多最新信息。
添加微信记得备注，如果是已工作，备注：姓名-城市-岗位。如果学生，备注：姓名-学校-年级。备注没有自我介绍不通过