编程

编程能力毫无疑问在人工智能领域同样至关重要，对于一个算法来说，实现与相关的实验往往占据了科研的绝大多数时间，而代码能力也是科研工作者的核心能力之一。

Python

在人工智能领域中，一般来说，Python 是唯一使用的语言，因此假如说在受教育过程中没有接受过 Python 语言的课程，自学 Python 是很重要的。幸运的是，你已经多半学习过了编程，而编程思维是可以泛化的，因此 Python 的速成是很快的，甚至在 ChatGPT 的辅助下，你可以立刻上手。

假如读者寻求书籍或教程，对于人工智能方向的研究者，以下是一些推荐的选项：

• 📖系统学习：假如说想要系统的学习Python，那么官方的文档毫无疑问是最为扎实的学习方法。只是你会沮丧地发现，大多数你所了解的特性并不会被使用，而 Python 在深度学习中的使用则主要为调用若干基于 Python 的深度学习库。
• 📖其他教程：廖雪峰的Python教程同样质量不错也是一个 Python 教程，质量十分不错。

PyTorch

PyTorch 目前作为人工智能领域中编程的最为常见的框架（按照目前的热度来说，几乎可以说是唯一），因此学习 PyTorch 是十分必要的。

在介绍 PyTorch 的具体学习路径前，一个问题似乎是需要被回答的，即，什么设备可以用来学习 PyTorch？

事实上，具有显卡的电脑并非是必须的，在大多数的大规模训练中，运算平台显然均不会选择读者的电脑，而是选择云服务器。因此，读者可以完全使用仅包含 cpu 的电脑来完成一些基础的上手实践，并使用云服务器来完成后续的实践与科研。

对于学习方法来说，伴随着生成式人工智能的发展，使用大模型来指导你学习 PyTorch 将成为一个不错的选择。

简单的使用 ChatGPT，并尝试使用实现一些小型的模型，这个过程中的代码一般不会出现错误。学习这些代码的实现方式，对于不理解的部分，向 ChatGPT 询问代码的实现方式，便可以很快地上手 Pytorch。Pytorch 中存在着大量的模型等内容，而很多部分均可能是不会被经常使用的，或者不会与你所处的领域产生交集，因此广泛的阅读文档并不能带来太多的帮助，而 ChatGPT 则可以提供一些较为具体的帮助。

同时，一些教程同样被推荐，毕竟 PyTorch 作为代码中几乎最重要的一个环节，了解并学习并不会被认为是一种绕远路。被推荐的内容包括动手学深度学习中的动手部分，同时深入浅出Pytorch是一个很好的 Pytorch 入门教程，给出了初学者需要掌握的知识范围。