http://www.almosthuman.cn/2015/12/16/rhnvh/
本文作者Ankit Agarwal是面向开发者的神经网络平台提供商Silversparro Technologies的CTO和创始人。
1，第一步，了解什么是机器学习，最佳入门资源就是 Andrew Ngs (Ex-Google, Stanford, Baidu), an online course at coursera. 讲座让你足够了解机器学习的基础，不过课后作业会提升你对机器学习的了解。
2，接下来需要培养对神经网络的直觉。所以，继续编写你的第一个神经网络，和它玩耍吧
3，了解神经网络很重要，但是简单神经网络没有足够能力解决大多数有趣问题。变量-卷积神经网络很善于解决视觉问题。斯坦福课程笔记以及幻灯片：CS231n Convolutional Neural Networks for Visual Recognition(notes), 和CS231n: Convolutional Neural Networks for Visual Recognition (讲座幻灯片)。 here和 here是两个很棒的有关CNNs的视频。
4，接下来就是自己电脑上运行你的第一个CNN
- 安装 Boinc（这个对你的学习没帮助，但是能让其他研究人员在在它闲置的时候使用你的GPU从科学工作）
5，Digit提供上会给少数几个算法，比如 用来性格识别的Lenet ，图像分类的 Googlenet。你要下载 相关数据库（ dataset for Lenet 和 dataset for Googlenet ）来运行这些算法。可以修改算法并尝试其他有趣的视觉图像识别任务，就像我们尝试过的（ here）。
6，就各种NLP任务而言，RNNs是最佳选择。学习RNNs最好的地方是斯坦福的演讲视频（Stanford lecture videos here）。你可以下载 Tensorflow，用它来建造RNNs.
7，现在，继续选择一个深度学习问题吧，无论是面部识别还是语音识别、无人驾驶汽车等等，试着解决它。
如果你完成了所有步骤，恭喜！去申请谷歌、百度、微软、脸书或者亚马逊的职位吧。没多少人能做这些。
来自linkedin，机器之心编译出品。编译：微胖。