一、找出具體問題是什麼

二、尋找解決方法

三、實踐解決方案，並驗證是否有效

舉例：

如果是書本知識有問題，找授課教師問個明白，直到弄懂為止；如果是期末考試有問題，找授課教師問知識點，找往屆取得高分的學長學姐請教考試經驗；如果是程式設計有問題，找程式設計大神討教方法..等等方式

如果身邊實在找不到人，那就藉助網際網路的力量，

肯定會有相關領域和知識的專業分享，去找去看去學。

行動每隔一段時間，檢驗一下效果；有效果，繼續堅持；

沒效果，果斷放棄，找新的方法，直到方法有效為止。

首先，給你點信心，我本科和研究生上課時候遇到過多次完全聽不懂的情況，但並不影響後來畢業直接去大廠工作。

然後，學不懂分兩種，一種是你們班全都懂了，你不懂。這個簡單，虛心去找同學老師助教問，不懂就問是成功的關鍵，總有人願意用特殊的方法教會你！

另一種就比較耗時了，就是全班都沒學懂，還要考試，同學們一個比一個慌張。當時我學reduction的時候，作業全不會做，助教也不全會。後來為了做完作業反覆看了5遍書，每次都有那麼一點點進步。最後期末勉強及格，居然還是全班第一。

計算機概念雖然入門難，但多門學科相互關聯，後面再學另一個課的時候又講了一遍。某一天就挺突然的，就是那種，一旦會了就忽然覺得簡單了很多的那個感覺。

概括建議的話，就是反覆讀教材，作業盡力做，不行也不怕，反正以後還有機會再見的。

另外提一點，計算機課程相關性很強，相輔相成，會得越多後面越輕鬆，所以每一分努力都不會白費的。但萬一有些困難搞不定，也不必害怕，盡力就好，畢竟知識重複率也是很高的。今年不會，明年會，會好起來的！

這是一個非常好的問題，目前很多人工智慧專業的同學都會面臨這個問題，我從專業學習和科研兩個方面來說說個人看法。

首先，人工智慧專業是一個新興專業，很多學校在課程設定上都會參考一些早期設立人工智慧專業的學校所做的安排，而早期設立人工智慧專業的學校大部分都是學科實力比較強的頭部學校，所以這也導致了一些問題。

機器學習是人工智慧的六大主要研究方向之一，而且也被認為是開啟人工智慧技術大門的鑰匙，所以從機器學習開始學習是沒問題的，但是學習機器學習需要具有一定的基礎，對於很多大一的同學來說，學習壓力是比較大的。

如果沒有任何程式設計基礎，一定要拿出一定的時間來提升程式設計能力，至少要能夠完成一些演算法實現的任務，這是進行下一步學習的基礎。

目前Python在機器學習領域的應用是比較多的，而且Python本身的難度並不大，所以完全可以透過自學來掌握其基本語法。

人工智慧專業是一個典型的交叉學科，不僅知識量比較大，學習難度也相對比較高，所以要重視給自己做好規劃，而且要儘快確定一個主攻方向，圍繞這個主攻方向做持續深入。當然了，不論選擇哪個主攻方向，機器學習、深度學習都是要重點學習的內容。

學習人工智慧專業一定要重視給自己營造一個比較好的交流和實踐場景，儘量不要在脫離實踐場景的情況下來學習，一方面很難深入，另一方面也大機率會走一些彎路。

在遇到具體的學習障礙時，要能夠獲得專業老師的指導，或者有途徑能夠跟專業老師交流。

目前我聯合一些大陸外知名大學的導師和網際網路大廠的企業導師，共同搭建了一個技術論壇，在持續開展技術交流、科研實踐和成果分享等活動，每週也會有定期的答疑組會，感興趣的同學可以聯絡我申請參與，相信一定會有所收穫。