深度学习入门学习路线及好课推荐

  首先，要入门深度学习，数学基础是必不可少的，比如高等数学、线性代数、概率论等，其中最重要的就是线性代数了。因为深度学习里面的数据不再是一个个的数字，基本上都是矩阵之间的运算。所以，最好先补充一些线性代数等相关数学知识。说到线性代数，先容许我吐槽一下国内老师的讲解，真的是让人一头雾水。学到的知识就是，矩阵点乘是行乘列计算的，行列式是这么计算的，等等等等。感受就是，我只知道了该怎么计算，会做题，可是这么运算的背后逻辑是什么，为什么是这么运算的，我们却不得而知。因此，记忆也就不那么深刻，使用起来也没有那么灵活了。在此，推荐一下MIT教授Gilbert Strang的一门线性代数课，这门课在B站上可以直接找到，链接。这门课讲解浅显易懂，注重于让你理解线性代数而不是死记硬背。不管你是线代初学者，还是之前学过现在没什么印象了，相信你在认真看完这门课程后一定会有很大收获。
  在具备了基本的数学知识后，你就可以直接开始看深度学习的网课了。首先，零基础入门深度学习首推的就是吴恩达机器学习系列课程。这门课程由中英文对照字幕，讲解的非常仔细，非常基础（于是乎称之为零基础入门一点也不为过）。这门课在网络上评价非常高，被称之为深度学习入门的盛宴。看完吴恩达机器学习课程后，如果学有余力，还可以看一下他的另一门进阶课程吴恩达深度学习课程，这门课总共有五课，链接里是第一课，所有课程在B站上均能找到。如果你觉得机器学习课程的知识没完全掌握，或者想继续加深并进一步学习深度学习基础知识，那么这门课绝对不会让你失望。
  当然，如果你的时间不是很充裕的话，那就在看完机器学习后直接学习接下来的课程，CS231n吧。它是斯坦福大学李飞飞教授课题组讲授的一门卷积神经网络课程（Convolutional Neural Networks for Visual Recognition），深受广大深度学习初学者喜爱。其最新的录制课程是2017年的，之后的课程没有录播。腾讯云大学上面有该课程的视频，包含中英文对照字幕，课程链接点击上面的蓝色CS231n即可进入。
  对了，上述深度学习课程均有配套的作业。如果时间比较充裕的话，建议最好过一遍，哪怕是直接从网上找答案跑一遍也好。由于这几门课都非常火爆，所以网上关于它们的课程笔记、作业答案等都很多，直接搜就可以了。对于CS231n课程，虽然它最新的录播课程是2017年的，但是我们可以从它们的课程作业官网上找到2020年的作业题，而作业答案在网上也可以直接搜到，这里给一个作业答案链接。课程作业官网上不仅有详细的题目和步骤，还有关于课程知识的详细文字描述，非常有用（不过，课程作业网站是需要才能查看的）。当然，我也有将这些知识点翻译整理成博客，如果你没法访问原网站或者想看中文版的话，可以点击这里。
  好了，如果你已经根据步骤学习了以上课程，并认真完成了作业，那恭喜你，你基本上已经入门了。接下来你就可以直接去网上找已有的网络来跑，增加实践经验了。