1、数学基础:
①概率论;
②线性代数;
③微积分;
④凸优化;
⑤统计机器学习;
2、理论入门:
①神经元 模型;
②激活函数;
③损失函数;
④训练方法;
⑤梯度的消失溢出;
3、计算机基础:
①Python;
②C++;
③Linux系统;
④shell;
⑤CUDA;
⑥分布式计算;
4、实战入门:
①掌握深度学习框架;
②研读代码;
③复现Benchmark改进方法;
5、进阶经验:
①充足的数据;
②熟练的编程实现能力;
③充裕的GPU资源;
④创新的方法;
6、深度学习前沿:
①新的网络结构;
②新的优化方法;
③新的学习技术;
④新的数据集;