作为人工智能领域一个重要的研究分支，深度学习技术几乎出现在当下所有热门的AI应用领域，包括语音识别，语义理解，图像识别，大数据分析等等，甚至有人把当前的人工智能等同于深度学习。面对如此重要的江湖地位，我们相信一定有为数众多的 AI 开发者对深度学习技术充满了好奇心，想要快速着手使用这项强大的技术来解决现实生活中的实际问题。因此，雷锋网(公众号：雷锋网)将围绕深度学习技术整理一个系列文章，全面覆盖与其相关的各项知识点。
本文针对如何入门深度学习这一话题，整理了若干参考资料，希望对广大开发者有所裨益。
需要提前说明的是，无论教程怎样浅显易懂，如果要深刻理解深度学习的技术原理，一些基础的数学知识还是必不可少的，包括微积分、线性代数和概率论等。这些都是各高校的必修课，大家可以轻松找到丰富的中文教程。这里仅列出三个值得参考的免费的英文教程。
MIT本科线性代数公开课
链接：https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm
MIT微积分公开课
链接：https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x
MIT概率论公开课
链接：https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2
当然，大家也可以在 coursera 和各种慕课类网站挑选自己喜欢的数学基础课程，此处不再赘述。
下面进入本文的正题。
要入门深度学习，首选的一个教程是来自台湾大学电机系李宏毅教授的演讲 PPT。该 PPT 共计301页，源于 IEEE DSC 2016 系列活动，当时打出的标题是“一天搞懂深度学习”。该课程非常适合初学者，以最简单易懂的图示和文字阐述了深度学习的基本原理、深度学习模型的各种训练小技巧、递归神经网络和一些常见的深度学习应用。
目前已经有网友针对李教授的PPT进行了视频讲解，视频链接也贴在下面。最后一个链接是李教授整个学期课程的资料，除了深度学习之外，还包括了线性代数的相关内容。
台大李宏毅教授讲义
其次推荐来自斯坦福大学的卷积神经网络课程，即 CS231n: Convolutional Neural Networks（CNN） for Visual Recognition。该课程由著名华人 AI 学者李飞飞担任主讲，虽然课程名称是卷积神经网络和图像识别，但前期进行了大量关于 Python 开发环境搭建、神经网络原理等基础知识的介绍，适合初学者认真研读。目前该课程已经有了中文字幕版，链接如下。
李飞飞CNN课程
中文链接：http://study.163.com/course/introduction/1003223001.htm#/courseDetail
说起深度学习的著名学者，则不得不提 Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著的一篇综述：《Deep learning》。三位世界级AI大牛合力编写的这篇文章虽然只有不到 7 页 A4 纸，但参考文献却超过百篇，被引用更是不计其数，含金量可想而知。这是一篇科普类的深度学习综述性文章，并没有介绍特别高深的技术细节，因此比较适合初学者。论文从非常专业的角度深入浅出地讲解了深度学习的基本原理，以及深度卷积网络和递归神经网络等较深入的话题。
Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著论文《Deep learning》
英文链接：https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf
下面推荐两本适合初学者的免费的书籍。
一本来自上文提到的 Yoshua Bengio，他与另外两位同事合著了一本名为《Deep learning》的教科书。该书主要分为以下三个部分：机器学习和数学基础，深度学习的基础实践，深度学习的进一步研究，内容全面、讲解细致，特别适合深度学习的初学者，完全免费。
Yoshua Bengio教科书《Deep learning》
另一本是 YC Research 研究员 Michael Nielsen 所著的《Neural Networks and Deep Learning》。该书首先讲述了神经网络的基本原理，然后基于该原理介绍了深度学习中的若干核心概念，同样非常适合于初学者的入门学习，完全免费。值得一提的是，本书现在已经有了中文版。
Neural Networks and Deep Learning
英文链接：http://neuralnetworksanddeeplearning.com/
中文链接：http://wiki.jikexueyuan.com/project/neural-networks-and-deep-learning-zh-cn/
说了这么多英文课程，下面推荐一个中文的：《Deep Learning（深度学习）学习笔记整理系列》。该系列文章从人脑的视觉机理入手，讲述了深度学习的基本思想、深度学习与神经网络之间的关系、深度学习的训练过程和常用模型算法等，几乎囊括了深度学习入门所必备的所有知识，被视为中文版的深度学习白皮书。对英文资料的理解有障碍的读者可以认真阅读本教程。
Deep Learning（深度学习）学习笔记整理系列
到这里，雷锋网相信经过上述教程的学习，各位开发者对深度学习的入门应该不会再有太大的障碍了。下面将推荐三个和深度学习相关的资料大集合，都是来自相关专业人士的权威总结。除了入门知识之外，这几个集合还囊括了其他各种与深度学习相关的内容，包括各种编程语言的总结 、基础的数学知识、高阶的深度学习应用实例等等，可谓“包罗万象”。
集合1：Awesome Deep Learning
链接：https://github.com/ChristosChristofidis/awesome-deep-learning
集合2：机器学习 (Machine Learning) & 深度学习 (Deep Learning) 资料
第一部分：https://github.com/ty4z2008/Qix/blob/master/dl.md
第二部分：https://github.com/ty4z2008/Qix/blob/master/dl2.md
集合3：干货分享 | 深度学习零基础进阶大法！
链接：http://www.leiphone.com/news/201610/tgtcVePX2kdDlHfL.html
大家可以抱着“淘宝”的心态在上述三大资料库中寻找对自己有帮助的内容，再加本文前面提到的几篇入门资料，相信各位开发者会对深度学习的相关技术形成一个基本的认识。
