我想這是可能的。很多人由於興趣或者工作、生活需要，在成年之後選擇了另外一項全新的技能或者學科。經過基礎的學習入門之後，通過後續的不斷努力，很多人都取得了很高的成就。

比如演員黃渤，當年做舞蹈老師的他被好朋友高虎拉去演了一部電影《上車，走吧》從此對電影產生了濃厚的興趣，報考了電影學院配音班，正式開啟了電影之路。當年零基礎的他現在也算是行業的佼佼者了。

根據你的描述，我認為在行走前有必要先思考以下幾個更前置的問題：一.為什麼想要學？因為你一直在描述想“做”深度學習，而沒有表明自己想做機器人還是自然語言理解還是對統計與機器學習感興趣。所以很必要問自己為什麼想要學所謂“深度學習”。1.如果是覺得酷炫，我覺得ok，沒問題，年輕人喜歡酷炫的且實用的技術並投之以熱情很棒。但是這個回答就要再進一步問自己將來的打算與計劃。2.如果是科研需求，因為現在dl很好發論文啊，那麼我可以給出：先看周志華/李航的機器學習的書，再來跑隨意一個三層mlp模型並自行推導bp演算法，再來看cs231n/udacity的introduction to dl課程來熟悉CNN和RNN並且同時掌握一個深度學習框架。至此，你就應該知道自己想要研究什麼方向，並自行尋找paper閱讀了。3.如果是為了工作。可以把為了科研的step終止在“至此”以前，並可以把看書換作看網上的blog。這樣是最為你將來好且省時省力的方法。但，結果很可能你在找工作時壓根不管你在MLDL上的知識掌握，畢竟沒有學術成果，且身為碩士，且專業不對口的學生，以趨於0的機率可以找到深度學習研究方面的工作。二.給自己的定位，兩年規劃以及未來的職業規劃是什麼？回答這兩個大問題，你的很多問題就不存在了。既然你說你是為了實習和找工作，那麼我就就著這點說了。比如說你對自己的定位超高舞臺超大的話，那麼根本不需要有實驗室的人可以請教問題。你一定要成為你們實驗室這方面的第一人，你的討論物件是email後面的paper的作者，開源軟體的作者。像是如果勵志做fullstack AI engineer，那麼快速入門一項新鮮技術的能力一定要有。1.如果僅僅是為了找14~18k*15的普通碩士演算法崗工作。請不要花時間在dlml上面，直接悶頭苦練演算法刷題就可以了。2.如果是以想以研究mldl相關進入工業界，拿bat sp級別offer或者進入各公司研究院這種等級。建議還是讀了博士。如果強行碩士，碩士來說沒有頂刊頂會是不行的，那麼參照2，並且嚴格規劃自己的時間，並且放棄實習，發出頂級paper的話再要一封推薦信比什麼實習都強。3.如果是為了更長遠的未來把自己的職業規劃定位為一個全棧人工智慧工程師，參照科研需求，並關注微博上的學術圈子，關注arxiv新論文和行業動態，並找一個可以學習的實習機會，進入一個可以深造自己的企業。並且在工作中不斷學習。這要求你從此開始培養快速入門新鮮技術的能力，提升自己關注的圈子，查閱資料的技術與調整知識獲取的深度和廣度，提升知識自律性。

也不是說不可以，但這個是最好要有計算機基礎的同學學習。您是想轉行做IT相關的工作嗎？建議可以先系統性地學習Python課程後再學習深度學習課程哦~

人工智慧方向正熱，很多新型的深度學習技術受到人們的廣泛關注。越來越多的同學開始學習機器學習、深度學習，想成為人工智慧領域的高手，有所成就。那麼對於深度學習初學者，有哪些好的建議呢？

1.循序漸進，打好數學基礎。先將基礎的資料分析、線性代數及矩陣等高等數學基礎知識學透，入門以後再去學習演算法。

2.學好Python程式語言。深度學習是人工智慧的核心技術，而Python由於具有豐富和強大的庫，語法簡潔易懂，常常是人工智慧新手學習的首選語言。

3.加強實操練習。當你掌握了基本的技術理論，就要開始實踐。從專案的前期資料探勘，到中間模型訓練，到最終專案完成整個流程，透過實操驗證自己的理論，更新自己的技術。

為了幫助同學們更好的掌握深度學習技術，同時在學習過程中少走彎路，中公教育聯合中科院自動化所專家推出深度學習課程。課程包含八大階段，六大實戰專案，涵蓋行業內75%技術要點，高度契合各類企業的崗位需求。

課程由中科院自動化所專家全程直播教學，所授技術緊跟市場需求，落地領域寬泛，不限於語音識別、影象識別、機器對話等前沿技術。透過企業級專案實戰，體驗系統架構設計、關鍵演算法選取、核心模組開發、識別效果測試等實際專案建設的全流程。