四月份给自己制定了四个学习任务：阅读Deep Learning的第一部分；学习Nielson的Online Book Neural Network and Deep Learning；调研1-2篇深度学习的综述性文献；以及学习fast.ai上的深度学习实践课程。目前来看，只有第一个任务顺利完成。第二个任务正在进行中，而后两个任务甚至还未启动。
然而，2017年的四月终究还是毫不留情地离去，这堆未完成的任务只好留给了如期而至的五月。
在制定五月份的学习计划之前，首先回顾下自己的三万米目标：
- 申请去海外实验室读博；
- 跳槽去外企研究院；
- 转岗至内部研究院。
不过根据目前的形势，去海外读博基本很难申请到牛逼的实验室；内部的IDL研究院也暂无HC指标；稍微靠谱的也只有外企比如微软的研究院了，然而难度依然不小。
所以，还是先静下心来提升自身的实力吧。参加一两个Kaggle比赛，完成几个Github项目，维护好自己的博客。
为此，我给自己量身定制了一套机器学习的Roadmap：
- 入门——机器学习和神经网络入门：
Andrew Ng在Coursera上的Machine Learning课程- Nielson的Online Book Neural Networks and Deep Learning
- 基础——机器学习基本理论：
- Bishop的Pattern Recognition and Machine Learning
- Stanford CS229 课程: Machine Learning
- 进阶——深度学习专题：
- Stanford CS224n 课程: Natural Language Processing with Deep Learning
- Stanford CS231n 课程: Convolutional Neural Networks for Visual Recognition
- David Silver 深度强化学习课程
- 深度——深度学习基本理论：
- Goodfellow等人所著的Deep Learning
- 拓展：
- 前沿Papers
- 前沿Papers
- 实践：
- fast.ai实践课程
- Kaggle上的数据挖掘竞赛
- Github上的开源项目（如Chatbot，股价预测等自己一直想尝试的小项目）
在这张Roadmap里，划掉的是我已经完成的学习任务（可见我在机器学习的Roadmap上不过是刚刚起步）。除了最后一项（实践），整张Roadmap遵循自上而下由浅入深的学习顺序。在未来的日子里，我将严格按照这张Roadmap来规划自己的学习任务，也会适时对这张Roadmap进行修补。我希望自己能在两年内达到这张Roadmap里的深度水平（即完成深度学习基本理论的学习），然后进入前沿领域发力。
具体到五月份，我给自己重新规划了三个学习目标：
- 完成Nielson的Online Book的学习；
- 完成fast.ai提供的实践课程；
- 开始阅读Bishop的PRML
其中，除了Bishop的PRML是一个中长期的学习目标，前两个学习任务都是要限定在五月底前完成。若提前完成，则可以启动CS224n的学习计划。
时间安排上，我计划每个工作日的上午（10:00 am - 12:00 am）和下午（3:00 pm - 6:00 pm）处理工作事宜；中午（1:00 pm - 3:00 pm）学习Nielson的Online Book（或是CS224n的阅读材料）；晚饭后（7:00 pm - 9:00 pm）阅读fast.ai的Notebook（或是CS224n的阅读材料）；到家后学习fast.ai的课程视频（或是整理当天的学习笔记）。周末上午观看CS224n的视频课程，下午阅读Bishop的PRML。
时间安排上，计划给fast.ai上的每一节课分配一周的时间用于学习（欲速则不达！）：每周日晚上观看新一节课的课程视频，了解大致的内容概要；然后，在工作日的中午和晚上，阅读课程wiki，完成课后作业；同时，每天晚上回家后，再有针对性地观看课程视频片段。周五晚上整理本节课学习笔记，完成一节课的学习。周六则阅读PRML。周日白天休息。
目测接下来将会是艰苦的一个月。不过，总算是朝着自己的梦想在奔跑。加油吧！