deep learning已經火了好久，有些人已經在這裡面耕耘了好多年，而有些人才剛剛開始，比如本人。
如何才能快速地進入這個領域在較短的時間內掌握deep learning最新的技術是值得思考的問題。
就目前的情況看，通過網路上的課程及各種tutorials以及各種**來研究這個領域是最佳的途徑。
經過一段時間的摸索，我以為圍繞deep learning領域的四位大牛展開學習是最佳的具體方式。這四位大牛便是 andrew ng, geoffrey hinton, yann lecun,yoshua bengio.
以我個人而言，在有足夠的語言基礎及linear algebra和probability的數學基礎以及matlab程式設計基礎的情況下，我的學習路線是：
1）coursera上andrew ng的machine learning課程
2）stanford cs229 本質上（1）和（2）課程可以結合
3）stanford ufldl tutorial 結合相關重要**
4）coursera上geoffrey hinton的neural network for machine learning
完成上面的任務基本可以達到以下目標：
1）能完成deep learning具體演算法的公式推導
2）能閱讀最新的**
3）能用matlab編寫deep learning演算法並實現。考慮到matlab**可以轉為c**，進而可以將實現的deep learning應用於具體實踐中。
在達到這個層次之後，下一步就是突破創新了。
那麼完成前面的學習任務到底需要多長的時間呢？如何更好地做到理論與實踐的結合？這就需要在學習中反覆調整。
作為deep learning系列文章第一篇，本文只是對如何學習說說自己的一些看法，這些文章也將是本人邊學習邊總結的產物。
深度學習Deep Learning
概述 deep feedforward network 深度前饋網路 又名feedforward neural network 前饋神經網路 或 multilayer perceptron 多層感知器 是深度學習模型的精髓 前饋網路的目的是逼近某種方程f 比如乙個分類器，y f x 將輸入x對映到類...
DeepLearning 應用概述
利用卷積的目標篩選功能，用在視覺識別領域。現在此領域好用的網路基本上全部基於cnn，核心都是卷積。迴圈神經網路用於語音識別於自然語言處理。相較於 cnn 在影象識別和檢測方面的廣泛應用，基於序列模型的 rnn 的應用方面則是語音識別 文字翻譯和自然語言處理等其他更為激動人心的領域。所以，正如 cnn...
深度學習Deep learning
第二章 tensorflow之前期零七八碎的小知識 二 tensorflow小知識 總結深度學習入門必須了解一些關於numpy的知識，本文介紹一些零七八碎的注意事項。array1 1,2,3 4,5,6 7,8,9 array2 array1 這麼做是不對的 python中只是把array1的記憶體...