本文是**深度学习入门（deep learning tutorial, DLT）**系列的第一篇文章，主要介绍一下该系列的创作思路、目标读者、参考书目等内容。想要学习深度学习或者想要了解机器学习（深度学习的基础）的同学可以关注公众号GeodataAnalysis，我会逐步更新这一系列的文章。
本系列教程用于讲解深度学习，将从最基础的内容开始讲起，逐一介绍理解深度学习所需的知识。本系列尽可能用平实的语言来介绍深度学习的概念、特征、工作原理等内容。不过，本系列并不是只介绍技术的概要，而是旨在让读者更深入地理解深度学习。因此，本系列教程不会教导任何深度学习框架。而是在讲解最基础的深度学习理论的同时，使用Python的数组与矩阵运算模块numpy实现程序，进行各种实验。
本系列教程的目标群体的所有对机器学习或深度学习感兴趣的读者。如果你有一定的数学基础，那么你就能通过详细的公式推导理清机器学习和深度学习的基本逻辑。如果你再有一定的编程基础（Python语言最好，其他语言也行，因为Python代码很容易就能看懂），读完本系列文章后可以尝试不用任何深度学习框架（如Tensorflow、PyTorch）手写一个神经网络。如果二者都没有，那么学下去可能会有些困难，需要自学一些知识。这部分读者可以关注公众号，学习一些其他的相关文章，如Numpy 数组简介 - mdnice 墨滴。
笔者建议：
在光看数学式和理论说明无法理解的情况下，可以尝试阅读源代码并运行，很多时候思路都会变得清晰起来。对数学式感到困惑时，就阅读源代码来理解技术的流程，这样的事情相信很多人都经历过。本系列教程通过实际实现（落实到代码）来理解深度学习，是一个强调“工程”的教程。教程中会出现很多数学式，但同时也会有很多程序员视角的源代码。
参考书目：
[1] 深度学习入门系列——基于Python的理论与实现，斋藤康毅 著，陆宇杰 译，人民邮电出版社。
[2] 深度学习理论与实践——PyTorch案例详解，陈亦新 著，清华大学出版社。
[3] 吴恩达机器学习系列教程——https://www.coursera.org/learn/machine-learning/home/welcome。
[4] 其他用到再列。