知识储备
建议时间：2-6个月
## 步骤1：机器配置
建议你至少拥有以下硬件：
- 一个足够好的 GPU（4+ GB显存），最好是 Nvidia
- 一个还可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不适合）
- 4 GB RAM（这个取决于数据集大小）
或者阅读这个硬件指南。
还可以租一个云平台来学习，比如 Amazon Web Service（AWS）。这是使用 AWS 进行深度学习的良好指南。
## 步骤2：初试深度学习
选择以下几个途径：
- 通过博客学习，比如 Fundamentals of Deep Learning ，Hacker's guide to Neural Networks。
- 通过视频学习，比如 Deep Learning Simplified。
- 通过书籍学习，比如 Neural networks and Deep Learning
了解一些流行的深度学习库和运行他们的语言。以下是一个不太完整的列表（你可以通过查看 wiki 获得更加完整的列表）：
其他一些著名的库：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。关于深度学习语言，可以查看这个文章。
建议时间：1-3周
## 步骤3：选择你自己的领域
注意：在以下的每个领域中，都会包括一个博客，一个实战项目，一个需要的深度学习库以及一个辅助课程。第一步你应该学习一下博客，然后去安装对应的深度学习库，然后再去做实战项目。
深度学习在机器视觉中的应用
深度学习在自然语言处理中的应用
- 参考博客：Deep Learning, NLP, and Representations
- 实战项目：Deep Learning for Chatbots, Part 1, Part2。
- 深度学习库：Tensorflow
- 推荐课程：CS224d: Deep Learning for Natural Language Processing
深度学习在语音中的应用
深度学习在强化学习中的应用
- 参考博客和实战项目：Deep Reinforcement Learning: Pong from Pixels
- 深度学习库：没有需要的深度学习库，但是你需要 openAI gym 来测试你的模型。
- 推荐课程：CS294: Deep Reinforcement Learning
建议时间：1-2个月
## 步骤4：深挖深度学习
- 重复上述步骤，选择不同的领域进行尝试。
- 深度学习在别的领域的应用。比如：DL for trading，DL for optimizing energy efficiency。
- 利用你学到的心技能去做点别的事，比如参考这个网站。
- 参加一些比赛，比如：kaggle。
- 加入一些深度学习社区，比如：Google Group，DL Subreddit。
- 跟随一些研究人员，比如：RE.WORK DL Summit。
-------------------
## 一些比较好的资源：
评论列表（0条）