非計算機專業的學生如何入門深度學習？

本人北理工工科本科學生，對深度學習(圖像處理)方向很感興趣，做過一點點相關嘗試。如何系統的，深入的學習深度學習?

公開課：

1. 吳恩達——《Machine Learning》
2. 吳恩達——《Deep Learning Specialization》
3. Jeremy Howard Rachel Tomas——《Fast.ai》
4. 李飛飛、Anderj Karpathy、Justin Johnson、Serena Yeung——《cs231n》

本人基本是以以上公開課的順序學習的，當然會有交叉學習，上面的課程由淺入深，吳恩達的課是打基礎，學到fast.ai的時候已經能上手做真實項目了，學到cs231n就已經非常深入了。

基本上上手計算機視覺深度學習的知識後，選一個你感興趣的領域，接下來就是瘋狂閱讀論文，把這個領域的工作理清，知道這個領域的最前沿的效果如何，有什麼突破方向，看能否復現這些經典論文。再就是刷比賽，然後努力進一個強力實驗室選一個你喜歡的導師讓他帶你搞研究。

可以參考下我的另一個回答：人臉識別如何自學？ - Professor ho的回答 - 知乎

首先高等數學、線性代數、概率論三大門中基礎知識要會一些。

其次是學習Python，各種教程另尋。把Python的基本語法搞通後，建議閱讀一下這本《利用Python進行數據分析》，學習一下幾個Python庫的用法。

然後，就跟著網易雲上吳大大的深度學習課程來學，英語水平差不多可以直接去Coursera旁聽，做作業什麼的方便，或者土豪一點可以付點費加入課程。

能踏踏實實把這些做完，應該足夠叫入門了深度學習吧。

獻上學習時做的筆記：

第一課：神經網路和深度學習

第二周：http://binweber.top/2017/09/12/deep_learning_1/

第一、三、四周：http://binweber.top/2017/09/25/deep_learning_2/

第二課：改善深層神經網路

第一周：http://binweber.top/2017/09/28/deep_learning_3/

第二、三周：http://binweber.top/2017/10/06/deep_learning_4/

TensorFlow：http://binweber.top/2017/10/14/deep_learning_5/

第三課：結構化機器學習項目

http://binweber.top/2017/11/09/deep_learning_6/

第四課：卷積神經網路

http://binweber.top/2017/11/15/deep_learning_7/

後面還在不斷更新中，沒有遵守吳大大的規則，有些筆記忍不住貼出了一些作業的代碼，想要學好，作業什麼的還是儘可能自己去思考，獨立完成吧，就這樣。

machine learning

Coursera的吳恩達課程，經典而又使用無比。吳恩達作為一名ml老師，世界上，嗯說他第一有些可能有些誇張，但是我暫時還沒有想到比他好的老師。