[深度基础]·小白如何快速入门深度学习
个人主页--> https://xiaosongshine.github.io/
随着近年深度学习的兴起，很多研究者都投入这个领域当中，由于各个大学都将自己的课程放到了网上，出现了很多学习资源和网络课程，而且很多大公司如 Google.Facebook 都将 自己的开源框架放到了 Github 上，使得深度学习的人门越来越简单，很多麻烦的重复操作已经通过框架简化了 ，这也让我们每个人都能有机会接触深度学习 。
网上有各种各样的学习经验分享，有的人注重理论知识的积累，看了很多书，但是 动手实践的经验为 0; 也有 一 些人热衷于代码的实现，每天学习别人已经写好的代码 。 对于这两种情况，我认为都是不好的，深度学习是理论和工程相结合的领域，不仅仅需 要写代码的能力强，也需要有理论知识能够看懂论文，实现论文提出来的新想法 ，所以我们的学习路线应该是理论与代码相结合，平衡两边的学习任务，不能出现只管-边 而不学另外 -边的情况，因为只有理论与代码兼顾才不至于一旦学习深入，就会发现自己会有很多知识的漏洞。
在入门深度学习领域之前，需要一定的 Python语言基础和微积分、线性代数的基础，下面将给出的学习建议，以及继续深入了解深度学习领域的学习建议 。
对于微积分和线性代数需要掌握的知识并不多.对于做积分只需要知道导数和偏导数，对于线性导数只需要知道矩阵乘法就可以了 。
编程基础
对于 Python语言，给出三个学习资源，学完第一个学习资源之后就可以开始深度学习编程，后续的两个学习资源帮助你更深入地了解 Python 语言及其数值计算。
( 1 ) 《笨方法学 Python》
本书面向零基础的学者，通过-系列简单的例子'快速人门 Python 的基本操作。
( 2 ) 廖雪峰的 Python 人门
这个系列教程可用来更全面地学习 Python，掌握前几章的 Python基础即可，后面讲授的部分是更为专业的 Web 开发的内容，对于机器学习而言不需要掌握这些部分 。
( 3 ) Edx: JntroductÎon (0 Computer Science and Programming Using Python
这是 MIT 的公开谍，以 Python 作为人门语言，简洁、全面地讲述了计算机科学的内容，适合更进一步的学习。
理论基础
( 1）线性代数
线性代数相当于深度学习的基石，深度学习里面有着大 量 的短阵运算，而且线性代 数的 一 些矩阵分解的思想也被借鉴到了机器学习中，所以必须熟练掌握线性代数 。 可 参考以下资游、学习:
• 《线性代数应该这样学》
• MIT 的线性代数公开课
• Coding The Mαtrix
( 2 )机器学习基础
虽然深度学习现在很火，但是也需要掌握其根本，即机器学习，这才是本质与核心 。 这里的学习资源从易到难排列:
• Coursera 上 AndrewNg 的机器学习入门课程
• 林轩国的机器学习基石和机器学习技法
• Udacity 的机器学习纳米学位
• 周志华著的 《机器学习 》
• 李航著的《统计学习方法 》
• Pattern Recognition and Machine Learning
( 3 )深度学习
这是最近几年最为活跃的研究领域，爆发了很多革命性的突破，很多前沿的学习资源，如:
• Udacity 的两个深度学习课程
• Coursera 的 Neural 入{etworksfor Machine Learning
• Stanford 的 cs231n
• Stanford 的 cs224n