作者：chen_h
微訊號 & QQ：862251340
微信公眾號：coderpai
我的部落格：請點選這裡
介紹
深度學習目前已經成為了人工智慧領域的突出話題。它在“計算機視覺”和遊戲（AlphaGo）等領域的突出表現而聞名，甚至超越了人類的能力。近幾年對深度學習的關注度也在不斷上升，這裡有一個調查結果可以參考。
這裡有一個 Google 的搜尋趨勢圖：
如果你對這個話題感興趣，這裡有一個很好的非技術性的介紹。如果你有興趣瞭解最近的趨勢，那麼這裡有一個很好的彙總。
在這篇文章中，我們的目標是為所有深度學習的人提供一條學習之路，同時也是為想要進一步學習的人提供一條探索的路徑。如果你準備好了，那麼讓我們開始吧！
步驟0：先決條件
建議在學習深度學習之前，你應該先了解一些機器學習的基礎知識。這篇文章列出了完整的學習機器學習的資源。
如果你想要一個簡單的學習版本。那麼可以看下面的列表：
建議時間：2-6個月
步驟1：機器配置
在進行下一步學習之前，你應該確保你有一個支援你學習的硬體環境。一般建議你至少擁有以下硬體：
一個足夠好的 GPU（4+ GB），最好是 Nvidia
一個還可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不適合）
4 GB RAM（這個取決於資料集大小）
如果你還不確定，那麼請閱讀這個硬體指南。
如果你沒有所需的規格，那麼你可以租一個雲平臺來學習，比如 Amazon Web Service（AWS）。這是使用 AWS 進行深度學習的良好指南。
備註：在這個階段不要安裝任何深度學習的庫，安裝過程我們會在步驟 3 中介紹。
步驟2：初試深度學習
現在，你已經對這個領域有了一個初步的認識，那麼你應該進一步深入瞭解深度學習。
根據自己的偏好，我們可以選擇以下幾個途徑：
通過部落格學習，比如 Fundamentals of Deep Learning ，Hacker's guide to Neural Networks。
通過視訊學習，比如 Deep Learning Simplified。
通過書籍學習，比如 Neural networks and Deep Learning
除了上述的先學知識，你還應該瞭解一些流行的深度學習庫和執行他們的語言。以下是一個不太完整的列表（你可以通過檢視 wiki 獲得更加完整的列表）：
其他一些著名的庫：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關於深度學習語言，可以檢視這個文章。
你也可以檢視檢視 Stanford 的 CS231n 中的第 12 講，概要性的瞭解一些深度學習庫。
建議時間：1-3周
步驟3：選擇你自己的領域
這是最有趣的部分，深度學習已經應用在各個領域中，並且取得了最先進的研究成果。如果你想更深入的瞭解，那麼作為一個讀者，你最適合的路徑就是動手實踐。這樣才能對你現在瞭解的內容有一個更加深入的認識。
注意：在以下的每個領域中，都會包括一個部落格，一個實戰專案，一個需要的深度學習庫以及一個輔助課程。第一步你應該學習一下部落格，然後去安裝對應的深度學習庫，然後再去做實戰專案。如果在這個過程中，你遇到什麼問題，那麼可以去學習輔助課程。
深度學習在機器視覺中的應用
深度學習在自然語言處理中的應用
深度學習庫：Tensorflow
深度學習在語音中的應用
深度學習在強化學習中的應用
深度學習庫：沒有需要的深度學習庫，但是你需要 openAI gym 來測試你的模型。
建議時間：1-2個月
步驟4：深挖深度學習
現在你應該已經已經學會了基礎的深度學習演算法！但是前面的路程會更加艱苦。現在，你可以儘可能高效的利用這一新獲得的技能。這裡有一些技巧，你應該做的，可以磨鍊你的技能。
重複上述步驟，選擇不同的領域進行嘗試。
深度學習在別的領域的應用。比如：DL for trading，DL for optimizing energy efficiency。
利用你學到的心技能去做點別的事，比如參考這個網站。
參加一些比賽，比如：kaggle。
加入一些深度學習社群，比如：Google Group，DL Subreddit。
跟隨一些研究人員，比如：RE.WORK DL Summit。
建議時間：無限
-------------------
一些比較好的資源：
CoderPai 是一個專注於演算法實戰的平臺，從基礎的演算法到人工智慧演算法都有設計。如果你對演算法實戰感興趣，請快快關注我們吧。加入AI實戰微信群，AI實戰QQ群，ACM演算法微信群，ACM演算法QQ群。詳情請關注 “CoderPai” 微訊號（coderpai）。