paper 149:Deep Learning 学习笔记（一）

 1. 直接上手篇

台湾李宏毅教授写的，<1天搞懂深度学习>

slideshare的链接： http://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&amp;v=&amp;b=&amp;from_search=3

网盘下载链接：http://pan.baidu.com/s/1nv54p9R     密码：3mty.

中文在线课程：Hung-yi Lee （http://speech.ee.ntu.edu.tw/~tlkagk/courses.html）

2.  五步提升篇

 Step 1: 学习机器学习基础

开始于Andrew Ng的机器学习    机器学习-斯坦福大学  他的课程介绍了目前各种机器学习算法，更重要的是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。

同时推荐阅读由Geoff Hinton，Yoshua Bengio和Yann LeCun提供的NIPS 2015深度学习教程 （http://www.iro.umontreal.ca/~bengioy/talks/DL-Tutorial-NIPS2015.pdf）

Step 2: 深入学习

个人的学习偏好是观看演讲视频，并有几个优秀的课程在线。 这里有几个特别喜欢的课程，可以推荐：

Deep learning at Oxford 2015 由Nando de Freitas教授解释基础知识，不会过于简单。 如果您已经熟悉神经网络并希望深入，请从第9讲开始。 他在他的例子中使用Torchframework。 (Videos on Youtube)

Neural Networks for Machine Learning Geoffrey Hinton在Coursera上的课程。Hinton是一位优秀的研究人员，他们展示了广义反向传播算法的使用，对深度学习的发展至关重要。

Neural Networks Classby Hugo Larochelle: 另一个优秀的课程

Yaser Abu-Mostafa’s machine learning course如果你有更多的理论感兴趣

如果你更喜欢的是书籍，这里有一些优秀的资源。 去查看一下，我不做判断。

Neural Networks and Deep Learning Bookby Michael Nielsen’s：在线学习书，并有几个交互式JavaScript元素可以玩。

Deep Learning Book by Ian Goodfellow, Yoshua Bengio和Aaron Courville：比较密集，但莫非不是一个很好的资源

 Step 3: 选择一个区域并进一步深入

确定自己继续深入学习的热情。 这个领域是巨大的，所以这个列表绝对不是一个全面的列表。

计算机视觉 : 深入学习已经改变了这一领域。 斯坦福大学的CS231N课程由Andrej Karpathy的课程是我遇到的最好的课程; CS231n卷积神经网络视觉识别。 它向您介绍了基础知识以及covnets，以及帮助您在AWS中设置GPU实例。 另请参阅Mostafa S. Ibrahim的“计算机视觉入门”

Step 4:

Step 5:

3. 视频专区

机器学习相关的视频集合：

http://www.tensorflownews.com/

参考来源：https://www.zhihu.com/question/26006703