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；
