程序员向的实用深度学习课：fast.ai 的 Practical Deep Learning

传统深度学习课的痛苦在于：先讲一个月数学，然后才让你写一行代码，90%的人就在这一个月里放弃了。fast.ai 反过来——第一节课用 30 行代码训出一个识别猫狗的模型，让你立刻有成就感，再回头解释为什么这样写有效。这种「自上而下」的教法，是它最大的特点。

课程设计的精妙之处

• 每节课先给完整可运行代码，讲完一遍就让你改
• fastai 库封装了 PyTorch,前几节代码极短，不会劝退
• 讲师 Jeremy Howard 是 Kaggle 前冠军，讲的全是实战技巧
• 每个 notebook 都能在免费 Colab 上跑，不用配 GPU

学习方法：不要只看视频

1. 1第一节课视频看完，立刻把官方 notebook 拷一份到自己的 Colab
2. 2把数据集换成你感兴趣的东西(比如识别水果、品牌Logo),重新训一次
3. 3每节都强制自己改一个东西：数据、模型结构、训练轮数
4. 4卡住就去论坛 forums.fast.ai 搜，常见问题几乎都被人问过

• 以为「课老就是过时」——核心方法论至今有效，大模型时代依然适用
• 以为一定要懂 PyTorch 才能上——其实第一节课就是教你边用边学
• 以为只能做图像——后面章节涵盖表格数据、协同过滤、NLP、RNN

想从零理解原理？看 Karpathy：fast.ai 让你能用，如果想深入到「从零写一个神经网络」的层次，Karpathy 的「从零构建」系列正合适。