首先要有基礎，基本計算都不會就觸碰那些個未知領域的，無異於自尋煩惱，非要給大腦植入一套程式不如實實在在的與生活相結合(天才請無視)。只有吃飽了撐得的人，才有足夠的底氣去說:我要換一種吃法！

PS:要有夢想，萬一成了呢？

感覺這個問題我有一點點資格回答哈，本人大學是財務專業的，後續也是從事財務相關的工作。但是個人也有一個很大的特點就是好奇心很強，還有愛學習一些感覺“沒用”的東西。

而我是在2016年因為阿法狗打敗圍棋大師，才開始有這個想法的。當時給我的感覺是非常非常震撼的，因為我想 圍棋這麼複雜都能搞定，那我的工作分分鐘不就被替代了嘛？ 所以，我也萌生開始學習的想法，不過真正開始實際又拖到2018年初，現在還記得當時不知道怎麼安裝python pip，請技術GG吃飯的事情。哈哈

1. 那麼首先，題主問題中的純小白，應該指的是 技術背景 和 很多人都擔心的數學背景（畢竟我的數學也全部忘光了）

而我覺得作為一個財務專業的學生，數學也沒好好學。大部分想學 機器學習的同學，底子應該都比我好很多。 我自己過去一年的經驗來看，數學不是一個很大的問題，至少最初是這樣的；

2. 其次，是動力 和目標

我自己的動力都是來源於好奇心。 而我的目標也是搞懂演算法背後的邏輯，最好能有一個小小的實踐。所以我的專注點也就在於演算法的原理。而很多時候演算法的原理真的並不難理解，因為“萬物皆有因” 都是可以找到邏輯鏈路的。所以很多時候，找到頭緒後並不難。

比如上一代電腦AI，Deep Blue IBM1997年創造的打贏人類象棋大師的。其核心演算法是Minimax，其背後的邏輯相當簡單和明瞭。 我有一期影片是關於Minimax的，感興趣可以去看下，10分鐘就能搞懂。

當有足夠的動力和明確的目標之後，後續都是小問題了。

3. 當你明確了方向，找到了動力。 那麼你可能還缺一點資源

其中最重要的資源當然是你的時間，這點需要自己控制投入。

a. 國外有非常多專業的網站論壇，如Toward Datascience、Medium等等。比如你想了解強化學習，只需要Google reinfoicement learning + tutorial 或者 beginner 或者 simple explanation等詞 就會有非常要的介紹和文章。 當然Youtue上搜也經常有不錯的結果。

b. 另一個重要的資源是公開課。公開課與Google最大的不同在於其系統性，當然公開課也需要更多的時間的投入。而我自己的目標是滿足個人的興趣，如我之前想知道為什麼Google 機器能翻譯。 機器翻譯實際上是蠻神奇的一件事，它是如何做到的。 我想這個問題並不需要我對NLP有非常全面的瞭解，我只取自己感興趣的部分。

不過不可否認 公開課 確實是非常不錯的資源，有國內 國際 頂尖大學的教授。這也是換聯網的神奇。