【新智元导读】人工智能教学网站fast.ai针对开发者的深度学习实践课程第三版，不需要大数据知识或者高深的数学理论，甚至都不需要买GPU，只需要一年的编程经验以及对Jupyter Notebook有一定了解。

广受好评的免费深度学习在线网站Fast.ai为开发者量身定制的深度学习实践课程，目前更新到了第三版。新版本将原来的14课时缩短到7课时，采取自上而下的教学理念，通过实际问题入手，然后逐步深入理念。符合程序员的学习路径。

本课程只要求一年的编程经验，一块GPU以及一些适当的软件。不需要大数据知识、不需要大学级数学，也不需要庞大的数据中心，但是需要对Jupyter Notebook环境有一定了解。

虽然课程需要一块英伟达GPU，但fast.ai并不建议去买一块，或者自己攒一台深度学习专用的电脑，与其浪费时间在设置电脑上，不如直接租。对于时间紧任务重的开发者来说，时间成本更宝贵。

目前2019版的第2部分（尖端深度学习）尚不可用，暂时仍然需要使用2018年的课程内容。不过好消息是，这个月很快就能上线了。

开始学习之前，你需要了解这些信息

创始人Jeremy Howard称，本课程旨在为有经验的程序员提供深度学习实践的教学，例如如何训练准确的模型; 如何测试和调试模型; 以及关键的深度学习概念。它涵盖了视觉，自然语言处理，表格数据和推荐系统中的应用。

如果有兴趣深入了解幕后的论文以及数学背景的同学需要注意了，再过2周fast.ai将推出一个全新的“从基础开始深度学习”课程，最后两节课将与Chris Lattner（Swift，LLVM和Clang的创建者）共同教授。

如果你想了解基础线性代数的实现细节，请查看“面向开发者的计算线性代数”：

https：//github.com/fastai/numerical-linear-algebra

如果你想了解决策树、随机森林、线性回归、验证集等，可以“面向开发者的机器学习简介”：

https：//course18.fast.ai/ml

有些开发者比较担心的是fast.ai的库会随着框架的热度不断的变动，导致经常需要从头开始又要学习新的框架。确实3年时间里，fast.ai的主题一直在变：

2017年的课程主要关于Keras/TensorFlow；2018年主要关于PyTorch；2019年课程（第2部分）是python，最后几个类使用Swift重新构建所有内容。

对此Jeremy表示大可放心，v1不会有大的变动，未来只是一些bug fix。

fast.ai使用Pytorch作用教学工具。但是这种东西属于一通百通，基本上你一旦掌握了套路，接下来用TensorFlow/Keras、CNTX、MXNet或者其他深度学习库都不成大问题。

在平台的选择上，Jeremy建议是：

• 如果使用过命令行，选择Google Compute Platform。因为它们提供300美元的无条件信用，并已经配置好开发环境
• 如果不想用命令行试试Salamander，它工作得很好而且费用不高
• 如果你没有信用卡，请使用Colab，它是免费的，但兼容性会有点问题

创始人给大家的建议

在fast.ai的论坛上，有人整理了Jeremy在给同学们的一些建议，这些建议被往届很多学生认为是金玉良言。

• 不要尝试停下来理解所有的知识点
• 不要浪费时间：请学习JN的快捷键，一天学4-5个
• 请跑代码，“真的”去跑代码。不要去深入学习理论。去玩转代码，看看它们“吃进什么吐出什么”
• 选择一个项目，认真做好，做到超棒！
• 跑这个Nb(lesson1-pets.ipynb)，然后用你自己的数据集跑跑，一定要做！
• 如果感觉fast.ai里都是高手，要学的新东西太多，而且感觉很难，没关系！选择一个点下手，比如跑几行代码，学一个概念如regular expression, 或者创建一个分类器，什么都行，关键是忘记烦恼，行动起来。
• 如果卡壳了，不要停下来，深挖、继续前行！
• 如果你不确定的哪个学习率更好，每个都试试看。
• 多数公司浪费大量时间在收集更多数据上。正确做法是，用一小撮数据跑跑看，然后在看问题是否是数据不够。
• 如果你认为自己“天生不擅长数学”， 请看看Rachel的TED演讲: There’s no such thing as “not a math person”
• 在你使用数据集时，请务必给予数据创建者荣誉和感谢
• 如果你心里有疑问：“我是否应该试试？”， 回答是：试试看吧，这是你成为优秀实践者的必修课！

参考链接：

• https://course.fast.ai/index.html

https://forums.fast.ai/t/fast-ai-v3-2019/39325