地址链接: hands-on-research-tutorial: 《动手做科研》面向科研初学者，一步一步地展示如何入门人工智能科研 (github.com)

目前AI可谓是科研界的蒸汽机，很多领域都可以利用AI重新做一遍，可谓是一种新的科研范式。但是面对日新月异的AI技术和工具，又该从何学起，学什么。

大家（包括我自己）在一开始接触科研时，觉得十分痛苦，原因主要有以下原因：

编程基础薄弱找不到合适的科研方向和项目没有科研全流程的感知，总是会陷入某些细节，无法自拔

我在各个平台上都积极地回答过自己做科研入门的经验，以及后来切实地帮助近100名同学规划研究路径，并切实地取得阶段性成果时时，我惊讶地发现：其实大家都能在掌握基本地科研技巧之后，能自主地将工作做得很好，并且能从容地面对问题。比如他们懂得去自己去改代码，做实验。同时，我也惊讶地发现：其实入门要掌握的技术点，不难，且适用于绝大多数人。对于入门，最理想的状态是用最短的时间，按照循序渐进的难度顺序把必要的方法和工具都学会，即用最少必备的知识搭建起框架。之后就不断迭代，不断完善。

但是，大家都说科研要自学，要自学，却没告诉你怎么学。市面上有教你如何写好代码的，如何刷题的，也有教机器学习的，但是没有一个资料告诉你，我要做好科研，我每个阶段该做什么。所以很多同学会陷入一个误区，感觉知识永远学不完，我要学到什么什么程度才开始科研呢？

因此，我将自己入门的经验以及近100名同学入门的经验总结了一份攻略，一个非常详细的入门攻略。每个阶段都是精心确定的，确保是在入门过程中必经的过程。每个阶段，我都写了一步一步的详细步骤，也配备了额外的学习资料。以做好科研为主线，贯穿所有内容，特点在于，学完就能动手实践。

如果你在准备踏入科研之门，强烈建议先按照本攻略顺序来学习并实践，实践完你会发现对整个科研流程的理解有一个质的飞跃，不会在众多资源和放向中迷失了自我。更重要的是，你懂的了如何自学，如何去解决一个难题，我想这比水论文更为重要。

以下是具体目录:

前言 这是一个什么样的教程？01 AI的最新进展与科研应用02 如何掌握Python工程流程03 如何阅读人工智能研究论文04 PyTorch 基础知识05 如何开展和记录实验06 如何产生新的研究想法07 论文的结构也有套路08 云端上的深度学习09 万事具备，只欠动手10 撰写论文心法结语 在这之后呢?