我们工作中经常会问： “深度学习该从哪里学起?” 虽然网上已经有点了大量的免费课程，但是冗杂的信息太多。为了帮助你进入深度学习的“坑”，我们整理了以下这些资源。
1.初学机器学习，***的资源是 Cousera 上Andrew Ngs的课程。浏览一遍基本足够，不过完成课后任务会对你的理解有进一步的提升。
2.接下来你可以了解一下 神经网络 (Neutral Network)并且自己上手玩玩。
3.理解神经网络很重要，但是仅仅最简单的情况是不够的。传统神经网络的一个变种——卷积神经网络(CNN)，对于视觉任务很有帮助。斯坦福的相关 课件 和 笔记 都同样有收录。 这里 还有卷积网络在视觉处理上的应用课程。
4.接下来你可以在你自己的电脑上运行***个CNN:
- 购买一个 GPU 并且安装 CUDA
- 安装 Caffe 还有他的GUI Digit
- 安装 Bonic (它不仅能帮你学习深度学习，还能让其他研究者处于科研目的利用你的GPU的空余时间)
5.Digit提供了部分算法，例如 Lenet 用于字符识别以及 Googlenet 的图像分类算法，还需要下载对应的数据集来尝试这些算法， Lenet ， Googlenet 。你有时候要调整一下算法来完成其他类型的计算机视觉任务，比如我们 这里 做的。
6.至于多样的自然语言处理(NLP)任务,循环神经网络(RNNs)往往是***的选择。斯坦福大学的 课程 依旧可以给你很好的指导，你也可以下载 Tensorflow 来自己建立RNNs。
7.***你可以自己选择一类深度学习任务来开始实践了，从人脸识别、演讲挖掘到自动驾驶的汽车，都可以尝试分析。
如果你按照顺序完成了上述步骤，你已经基本掌握了主流的深度学习方法。想要加入诸如Google，百度这类的公司工作，你仍然需要不断的学习与实践，建立起自身的直觉和方法流程。
作者： Ankit Agarwal —- CTO, Silversparro Technologies Private Limited 。
