paper 149:Deep Learning 学习笔记（一）
1. 直接上手篇
台湾李宏毅教授写的，<1天搞懂深度学习>
slideshare的链接： http://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3
网盘下载链接：http://pan.baidu.com/s/1nv54p9R 密码：3mty.
中文在线课程：Hung-yi Lee （http://speech.ee.ntu.edu.tw/~tlkagk/courses.html）
2. 五步提升篇
Step 1: 学习机器学习基础
开始于Andrew Ng的机器学习 机器学习-斯坦福大学 他的课程介绍了目前各种机器学习算法，更重要的是机器学习的一般程序和方法，包括数据预处理，超参数调优等。
同时推荐阅读由Geoff Hinton，Yoshua Bengio和Yann LeCun提供的NIPS 2015深度学习教程 （http://www.iro.umontreal.ca/~bengioy/talks/DL-Tutorial-NIPS2015.pdf）
Step 2: 深入学习
个人的学习偏好是观看演讲视频，并有几个优秀的课程在线。 这里有几个特别喜欢的课程，可以推荐：
Deep learning at Oxford 2015 由Nando de Freitas教授解释基础知识，不会过于简单。 如果您已经熟悉神经网络并希望深入，请从第9讲开始。 他在他的例子中使用Torchframework。 (Videos on Youtube)
Neural Networks for Machine Learning Geoffrey Hinton在Coursera上的课程。Hinton是一位优秀的研究人员，他们展示了广义反向传播算法的使用，对深度学习的发展至关重要。
Neural Networks Classby Hugo Larochelle: 另一个优秀的课程
Yaser Abu-Mostafa’s machine learning course如果你有更多的理论感兴趣
如果你更喜欢的是书籍，这里有一些优秀的资源。 去查看一下，我不做判断。
Neural Networks and Deep Learning Bookby Michael Nielsen’s：在线学习书，并有几个交互式JavaScript元素可以玩。
Deep Learning Book by Ian Goodfellow, Yoshua Bengio和Aaron Courville：比较密集，但莫非不是一个很好的资源
Step 3: 选择一个区域并进一步深入
确定自己继续深入学习的热情。 这个领域是巨大的，所以这个列表绝对不是一个全面的列表。
计算机视觉 : 深入学习已经改变了这一领域。 斯坦福大学的CS231N课程由Andrej Karpathy的课程是我遇到的最好的课程; CS231n卷积神经网络视觉识别。 它向您介绍了基础知识以及covnets，以及帮助您在AWS中设置GPU实例。 另请参阅Mostafa S. Ibrahim的“计算机视觉入门”
Step 4:
Step 5:
3. 视频专区
机器学习相关的视频集合：
http://www.tensorflownews.com/
参考来源：https://www.zhihu.com/question/26006703
