前三门课程涉及一般的神经网络和深度学习，第四、第五门课程涉及特定主题。如果你打算搞视觉，第四课必听；如果你搞NLP、音频等，第五课必听。但如果你需要听第五课，那么建议也把第四课好好听一下。
这里鼓励大家一下，课程里每周的内容，实际上一两天就能学完，所以不要被课程表吓倒。劳逸集合、提升效率。
学到这个地步，其实就可以再去http://neuralnetworksanddeeplearning.com/ ，查看第三到第六章的内容，来强化你的概念。如果你有什么还没搞懂的，请前往Olah的博客。
以及，这时候你要开始看深度学习的论文了，从中学习知识。深度学习有个强烈的特点，那就是内容都非常新，阅读论文是跟上时代唯一的方法。不想被抛下，那么还是养成阅读论文的好习惯吧。
Part 3：深度学习上手练（两个月）
学到这里，你应该对机器学习和深度学习中的大多数概念有了正确的理解，现在是时候投入沸腾的实际生活中了。
练手深度学习，最好的资源在fast.ai。
传送门在此：http://course.fast.ai/
他们在流行的深度学习工具PyTorch上构建了一个库，只需要几行代码，就能实现世界级的性能。
fast.ai的理念有点不同。吴恩达等老师的教授方法是自上而下，先讲再做。而fast.ai倡导自下而上，先做再讲。
所以在他们的课程中，第一节就带你建立一个强大的图像分类器。自己训练模型的快感，刺激着你去完成其余的课程。
除此以外，还要推荐两门课。
斯坦福大学的CS231n和CS224n。CS231n专注于计算机视觉的深度学习，而CS224n专注于序列建模。
CS231n，李飞飞等主讲。
官网传送门：http://cs231n.stanford.edu/
CS224n，目前是Richard Socher主讲。
官网传送门：http://web.stanford.edu/class/cs224n/
此前的课程，网上也有中文字幕版本，大家可自行搜索。
到这里，为期五个月的机器/深度学习入门就结束了。
希望大家都能稳扎稳打，夯实基础。
以及最后，兑现一个开头的承诺。如果你确实时间很紧张，必须尽快入门机器/深度学习，那么请看——
速成指南我最多只有俩月
1、完成吴恩达机器学习课程的前五周，要做编程练习。
2、看完3Blue1Brown的视频。
3、完成吴恩达的深度学习专项系列课程，做练习。
4、如果你想搞图像，看专项课程第四讲，搞NLP或序列数据，看第五讲。
5、搜索你感兴趣的开源实现。如果你还没想好用什么语言，推荐Keras。然后根据需要，再迁到TensorFlow或者PyTorch框架。
我，只有一个月
想要在30天完成入门超级困难。除非，你只是想了解机器学习的工作原理，然后应用到自己的项目中。
如果是这样的话，速成建议如下：
1、略读吴恩达机器学习课程第1-5周的课程，只看视频，掌握概念即可。第三周可以跳过MATLAB/Octave课程。
2、看完3Blue1Brow的视频。
3、略读吴恩达深度学习专项系列课程的第一课，也就是神经网络和深度学习。
4、如果你想做图像处理项目，看一下Nielsen书中的第六章：http://neuralnetworksanddeeplearning.com/chap6.html
如果你需要序列建模的一些想法，可以看看Olah的博客：http://colah.github.io/posts/2015-08-Understanding-LSTMs/
5、Siraj Raval拍了很多有趣的视频，涉及大多数机器/深度学习的主题。传送门在此：https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
6、搜索跟你感兴趣的开源实现，随时调整以满足你的需求。如前所述，我推荐你先用带有TensorFlow后端的Keras语言。
其他资源YouTube上有一个两分钟读论文的系列视频，可以帮你快速了解全球深度学习的最热门进展。
如果你关注进机器学习领域的进展，Twitter是个绝佳的工具。
遇到困境的时候，记得reddit和Facebook上有很多志同道合的人，不要犹豫，在社区里寻求帮助，大家会伸出援手。
结论机器学习和深度学习是当今世界最具魅力的技术之一。而且这个领域的深度学习专家总是处于稀缺的状态。从职业前景来看，深度学习非常吸引人。
需要提醒的是，与计算机学科的其他领域不同，深度学习的资源还不够丰富。很多时候你会遇到失败挫折，千万不要灰心丧气，你可以向更多人寻求帮助，很多人都愿意伸出援手，大家都在学习。
关于机器/深度学习，有一个误解是需要计算机科学的背景才能学习。这不是真的，你确实需要一些编程的思维才好入手，但也仅限于此。现在机器学习领域的很多专家，都来自其他研究领域。
如果你有计算机科学的背景，这是一个非常好的开始。但如果你出身其他学科，想要迎头赶上并不难。
感谢看到这里。
如果你有任何问题或者建议，欢迎留言。如果你想直接跟本文热情的原作者联系，这里是传送门：
https://medium.com/@youngladesh/absolute-beginners-guide-to-machine-learning-and-deep-learning-7fa032944047
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
