1、數學基礎：
①概率論；
②線性代數；
③微積分；
④凸優化；
⑤統計機器學習；
2、理論入門：
①神經元 模型；
②激活函數；
③損失函數；
④訓練方法；
⑤梯度的消失溢出；
3、計算機基礎：
①Python；
②C++；
③Linux系統；
④shell；
⑤CUDA；
⑥分佈式計算；
4、實戰入門：
①掌握深度學習框架；
②研讀代碼；
③復現Benchmark改進方法；
5、進階經驗：
①充足的數據；
②熟練的編程實現能力；
③充裕的GPU資源；
④創新的方法；
6、深度學習前沿：
①新的網絡結構；
②新的優化方法；
③新的學習技術；
④新的數據集；
