技术上如何学习，才能取得较大进步？

技术上如何学习，才能取得较大进步？技术上的学习往往有注重细节和坚持，有些人短时间就可以学会一门技术，有些人学了很久还是进步缓慢。

第一，集中专注力在技术学习上最重要的基础一定是专注力，无论学习什么，精力的投入是成败的关键，如果在学习技术的时候还分心想着其它的事，效果肯定大打折扣，这里学习任何东西都是一个道理，就算很有天份的人，认真学和分心学效果也是天差地别的。所以集中专注力是学习好技术的必备状态。

第二，多注意细节很多时候我们在学习技术的时候，注意力都在流程上，但是流程中的细节往往没有太多时候去研究，最后就容易被细节打败，所以在学习技术的时候一定要关注细节。很多时候细节是成败的关键。

第三，反复练习真正的技术都是熟人生巧的过程，有时候看似简单的原理，在实操的时候会遇到很多问题，有一句是这么说的“眼睛会了，脑袋会了，可是手还不会”这就是因为缺少实际操作带来的错觉，所以学习技术一定要多练习。多实践。

如何学习人工智能？

人工智能是通过学习人类的数据，从中找出规律，然后代替人类在各个领域工作。如果你想知道人工智能是如何从人类的数据中学习的，可以先从机器学习的算法入手，这些算法有趣且不难理解，是很好的激发学习兴趣的着手点。

机器学习的算法有比如：

非监督式学习中的K-Means算法，DBSCAN，t-SNE等等，主要不是用来预测，而是对整个数据有一定的深入了解。

监督式学习中常见的有：

回归算法：试图采用对误差的衡量来探索变量之间的关系的一类算法，常见的种类有最小二乘法，逻辑回归，逐步式回归，多元自适应回归样条，以及本地散点平滑估计。决策树学习：根据数据的属性采用树状结构建立决策模型，通常用来解决分类的问题。常见种类有：分类及回归树，随机森林，多元自适应回归样条，以及梯度推进机。（虽然名字长但是内容不难理解）深度学习算法在近期赢得了很多关注，特别是百度也开始发力深度学习后，更是在国内引起了很多关注。在计算能力变得日益廉价的今天，深度学习试图建立大得多也复杂得多的神经网络。很多深度学习的算法是半监督式学习算法，用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括：卷积网络，堆栈式自动编码器。（同样是名字长但是内容不难理解）了解过一些算法后，就可以简单的跑一些数据来做自己的预测了！这时需要学习一下编程语言Python，具体的指令非常简单，几乎一行代码就能训练好预测模型，然后做出自己的预测结果了！具体资源有很多教机器学习的书籍和视频，B站和西瓜视频都有很多人在科普。