這里有一個(gè) Google 的搜索趨勢(shì)圖：

如果你對(duì)這個(gè)話題感興趣,，這里有一個(gè)很好的非技術(shù)性的介紹。如果你有興趣了解最近的趨勢(shì),，那么這里有一個(gè)很好的匯總,。

在這篇文章中，我們的目標(biāo)是為所有深度學(xué)習(xí)的人提供一條學(xué)習(xí)之路,，同時(shí)也是為想要進(jìn)一步學(xué)習(xí)的人提供一條探索的路徑,。如果你準(zhǔn)備好了，那么讓我們開始吧,！

步驟0：先決條件
建議在學(xué)習(xí)深度學(xué)習(xí)之前,，你應(yīng)該先了解一些機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。這篇文章列出了完整的學(xué)習(xí)機(jī)器學(xué)習(xí)的資源,。

如果你想要一個(gè)簡(jiǎn)單的學(xué)習(xí)版本,。那么可以看下面的列表：

• 數(shù)學(xué)基礎(chǔ)（特別是微積分，概率和線性代數(shù)）

• Python 基礎(chǔ)

• 統(tǒng)計(jì)學(xué)基礎(chǔ)

• 機(jī)器學(xué)習(xí)基礎(chǔ)

建議時(shí)間：2-6個(gè)月

步驟1：機(jī)器配置

在進(jìn)行下一步學(xué)習(xí)之前,，你應(yīng)該確保你有一個(gè)支持你學(xué)習(xí)的硬件環(huán)境,。一般建議你至少擁有以下硬件：
一個(gè)足夠好的 GPU（4 GB），最好是 Nvidia
一個(gè)還可以的 CPU（比如：Intel Core i3,，Intel Pentium 可能不適合）
4 GB RAM（這個(gè)取決于數(shù)據(jù)集大?。?/span>

如果你還不確定，那么請(qǐng)閱讀這個(gè)硬件指南,。

備注：如果你是一個(gè)硬件玩家,，那么你可能已經(jīng)擁有了所需的硬件。

如果你沒有所需的規(guī)格,，那么你可以租一個(gè)云平臺(tái)來學(xué)習(xí),，比如 Amazon Web Service（AWS）。這是使用 AWS 進(jìn)行深度學(xué)習(xí)的良好指南,。

備注：在這個(gè)階段不要安裝任何深度學(xué)習(xí)的庫(kù),，安裝過程我們會(huì)在步驟 3 中介紹。

步驟2：初試深度學(xué)習(xí)

現(xiàn)在,，你已經(jīng)對(duì)這個(gè)領(lǐng)域有了一個(gè)初步的認(rèn)識(shí),，那么你應(yīng)該進(jìn)一步深入了解深度學(xué)習(xí)。

根據(jù)自己的偏好,，我們可以選擇以下幾個(gè)途徑：

• 通過博客學(xué)習(xí),，比如 Fundamentals of Deep Learning ，Hacker's guide to Neural Networks,。

• 通過視頻學(xué)習(xí),，比如 Deep Learning Simplified。

• 通過書籍學(xué)習(xí)，比如 Neural networks and Deep Learning

除了上述的先學(xué)知識(shí),，你還應(yīng)該了解一些流行的深度學(xué)習(xí)庫(kù)和運(yùn)行他們的語(yǔ)言,。以下是一個(gè)不太完整的列表（你可以通過查看 wiki 獲得更加完整的列表）：

• Caffe

• DeepLearning4j

• Tensorflow

• Theano

• Torch

其他一些著名的庫(kù)：Mocha，neon,，H2O,，MXNet,，Keras,，Lasagne，Nolearn,。關(guān)于深度學(xué)習(xí)語(yǔ)言,，可以查看這個(gè)文章。

你也可以查看查看 Stanford 的 CS231n 中的第 12 講,，概要性的了解一些深度學(xué)習(xí)庫(kù),。

建議時(shí)間：1-3周

步驟3：選擇你自己的領(lǐng)域

這是最有趣的部分，深度學(xué)習(xí)已經(jīng)應(yīng)用在各個(gè)領(lǐng)域中,，并且取得了最先進(jìn)的研究成果,。如果你想更深入的了解，那么作為一個(gè)讀者,，你最適合的路徑就是動(dòng)手實(shí)踐,。這樣才能對(duì)你現(xiàn)在了解的內(nèi)容有一個(gè)更加深入的認(rèn)識(shí)。

注意：在以下的每個(gè)領(lǐng)域中,，都會(huì)包括一個(gè)博客,，一個(gè)實(shí)戰(zhàn)項(xiàng)目，一個(gè)需要的深度學(xué)習(xí)庫(kù)以及一個(gè)輔助課程,。第一步你應(yīng)該學(xué)習(xí)一下博客,，然后去安裝對(duì)應(yīng)的深度學(xué)習(xí)庫(kù)，然后再去做實(shí)戰(zhàn)項(xiàng)目,。如果在這個(gè)過程中,，你遇到什么問題，那么可以去學(xué)習(xí)輔助課程,。

深度學(xué)習(xí)在機(jī)器視覺中的應(yīng)用

• 參考博客：DL for Computer Vision

• 實(shí)戰(zhàn)項(xiàng)目：Facial Keypoint Detection

• 深度學(xué)習(xí)庫(kù)：Nolearn

• 推薦課程：CS231n: Convolutional Neural Networks for Visual Recognition

深度學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用

• 參考博客：Deep Learning, NLP, and Representations

• 實(shí)戰(zhàn)項(xiàng)目：Deep Learning for Chatbots, Part 1, Part2。

• 深度學(xué)習(xí)庫(kù)：Tensorflow

• 推薦課程：CS224d: Deep Learning for Natural Language Processing

深度學(xué)習(xí)在語(yǔ)音中的應(yīng)用

• 參考博客：Deep Speech: Lessons from Deep Learning

• 實(shí)戰(zhàn)項(xiàng)目：Music Generation using Magenta (Tensorflow)

• 深度學(xué)習(xí)庫(kù)：Magenta

• 推薦課程：Deep Learning (Spring 2016), CILVR Lab@NYU

深度學(xué)習(xí)在強(qiáng)化學(xué)習(xí)中的應(yīng)用

• 參考博客和實(shí)戰(zhàn)項(xiàng)目：Deep Reinforcement Learning: Pong from Pixels

• 深度學(xué)習(xí)庫(kù)：沒有需要的深度學(xué)習(xí)庫(kù),，但是你需要 openAI gym 來測(cè)試你的模型,。

• 推薦課程：CS294: Deep Reinforcement Learning

建議時(shí)間：1-2個(gè)月

步驟4：深挖深度學(xué)習(xí)

現(xiàn)在你應(yīng)該已經(jīng)已經(jīng)學(xué)會(huì)了基礎(chǔ)的深度學(xué)習(xí)算法！但是前面的路程會(huì)更加艱苦?，F(xiàn)在,，你可以盡可能高效的利用這一新獲得的技能。這里有一些技巧，你應(yīng)該做的,，可以磨煉你的技能,。

• 重復(fù)上述步驟，選擇不同的領(lǐng)域進(jìn)行嘗試,。

• 深度學(xué)習(xí)在別的領(lǐng)域的應(yīng)用,。比如：DL for trading，DL for optimizing energy efficiency,。

• 利用你學(xué)到的心技能去做點(diǎn)別的事,，比如參考這個(gè)網(wǎng)站。

• 參加一些比賽,，比如：kaggle,。

• 加入一些深度學(xué)習(xí)社區(qū)，比如：Google Group,，DL Subreddit,。

• 跟隨一些研究人員，比如：RE.WORK DL Summit,。

建議時(shí)間：無(wú)限

一些比較好的資源：

• Complete Deep Learning book

• Stanford UFLDL Turorial

• Deep Learning in Neural Networks: An Overview

• Awesome Deep Learning github repository

• Yann LeCun's recommendations for Deep Learning self-study

文章轉(zhuǎn)載自： http://www.jianshu.com/p/cd0dd3793550?utm_source=tuicool&utm_medium=refe...