本文主要分享一些深度学习入门的学习途径，同学们共同进步呀！

首先说下学习深度学习必备技能： 

Python、高等数学（现代、微积分）、英文文献阅读、查找资料（博客、论坛、Git）

个人认为如果以前没学习过python也没关系，有其他语言基础的情况下再去学习一门新语言其实不是很困难，首先了解其语法快速入门，后续慢慢进阶即可。

1、博客

零基础入门深度学习(1) - 感知器 - 作业部落 Cmd Markdown 编辑阅读器

推荐理由：分七部分进行介绍，重点突出，快速入门 每一期都附带详细代码演示 讲解浅显易懂，适合零基础学习

2、吴恩达视频教程

推荐理由：讲解的是机器学习，知识体系更加系统，包括机器学习的一般程序和方法，包括数据预处理，超参数调优等 适合掌握了一定基础以后学习

3、书籍推荐

《机器学习》周志华编著，俗称 "西瓜书"

 

 4、论文阅读

对于学生阶段大量阅读英文文献本身就是一项必备技能，需要长久坚持，可以了解最前沿的研究成果和行业动态。 推荐几个公众号：机器之心、量子位、PaperWeekly，如果有好的论文发布，这些公众号都会及时转载。

5、常用术语中英文对照

• 机器学习 Machine Learning
• 深度学习 Deep Learning
• 深度强化学习 Deep Reinforcement Learning
• 神经网络 Neural Network
• 卷积神经网络 Convolutional Neural Network（CNN）
• 循环神经网络  Recurrent Neural Network（RNN）
• 卷积层 Convolution Layer
• 平均池化  Average-Pooling   最大池化  Max-Pooling
• 批标准化 Batch Normalization(BN)
• 激活函数    Activation Function
• 全连接层 Fully Connected Layer
• 多层感知器  Multilayer Perceptron
• 学习率  Learning Rate
• 前向传播 Forward Propagation 反向传播 Backpropagation
• 损失函数 Loss Function
• 交叉熵损失 Cross-Entropy Loss
• 梯度 Gradient
• 随机梯度下降 Stochastic Gradient Descent（SGD）
• 泛化能力 Generalization Ability
• 欠拟合 Underfitting   过拟合 Overfitting
• 语义分割  Semantic Segmentation
• 目标检测  Object Detection
• 监督学习 Supervised Learning   无监督学习 Unsupervised Learning
• 特征检测 Feature Detection
• 端到端学习 End-To-End Learning
• 多任务学习 Multitask Learning
• 迁移学习 Transfer Learning
• 微调 Fine Tune