如果要學習並使用深度學習，應該學哪些預備知識？

01-04

研一新生，現在老師著急讓用深度學習做一個圖像分割。想知道要學習深度學習，都需要學習哪些計算機科學和數學的基礎知識。如果要把機器學習和神經網路的東西全學了，感覺很多用不到啊，而且時間也不允許。

在網上搜「deep learning + image segmentation"，然後挑一篇論文把它列印出來。讀論文的時候，你感覺看不懂的地方就是你需要掌握的預備知識。

第一部分：基礎數學課

高等數學 —— 起碼知道偏微分及其性質、梯度的概念，也就是同濟高數一+高數二的前幾章

線性代數 —— 矩陣四則/微分運算，線性空間、線性變換、特徵值特徵向量

概率論 —— 概率、條件概率、貝葉斯公式、概率分布

最優化問題 —— 主要是梯度下降法

第二部分：機器學習

機器學習的基本目標和概念 —— 機器學習能解決什麼問題、不能解決什麼問題、如何解決這些問題

神經網路 —— 神經元模型、激活函數、反向傳播演算法

第三部分：圖像處理

圖像處理的基本方法 —— 濾波、二維卷積、二維正交變換、基本形態學運算（開/閉運算，膨脹/腐蝕）

我目前能想到的就這麼多了

老師著急就直接上現成開源包吧，Keras on Theano，Caffe擅長哪個用哪個。另外，機器得好。