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;