课堂深度学习的四个步骤，领会知识是教学的中心环节
课堂深度学习的四个步骤？
1 、以重要内容及核心考点为中心进行学习
什么叫重要内容及核心考点？就是可以独立存在的知识的小封装单元。与之对应的就是学习材料。这里的重点点在于，重要内容及核心考点是知识的小容器，学习材料是重要内容及核心考点的主要内容。
2、 选择有即时反馈的学习方法
学习时的反馈，让你清楚对还是错。这样的反馈，好是即时的，其实就是常说的说，做了以后马上、第一时间就清楚对错。
3、 满足认识和了解科学的学习
根据《第一性教学原理》，学习一定要有结构的应用练习过程。
4、 制订刚性学习计划
学习比较容易中断，这个很容理解，刻意学习与人性违背。
步骤1.学习深度学习的基本知识
（可选的，但是，建议你这样做）
由Andrew Ng的机器学习课程启动https://www.coursera.org/learn/machine-learning.他的课程提供了一部分有关各自不同的机器学习算法的讲解，更加重要的是，大多数情况下的程序/机器学习的方式，涵盖数据预处理，大参数调优等。
阅读由Geoff Hinton、Yoshua Bengio和Yann LeCun写的NIPS 2023 深度学习考试教材是一个以通俗易懂的讲解。
步骤2.深入专研深度学习
我学习的偏好是看讲座视频，并感谢哪些优秀的网络在线课程，这里有我喜欢的哪些课程：
1.Deep learning at Oxford 2023，Nando de Freitas没有过于复杂的熟练解释基本原理。从讲座9启动，假设你熟悉神经互联网并想要再深一点，他在他的例子中使用了火炬框架（Video on Youtube）。
2.Neural Network for Machine Learning :这是Geoff Hinton的课程。Hinton是一个杰出的研究者，他证明了大多数情况下的BP算法的使用并针对深度学习的发展起着至关重要的作用。我尊重他，但是，我发现该课程没有组织。更进一步的，课程会因为布置的测试陷入困境。
3.Neural Networks Class是由Hugo Larochelle 教授:另外一个极好的课程。
4.Yaser Abu-Mostafa’s machine learing course:假设你感兴趣更多的理论，。
假设你更倾向于书籍，这里有一部分极好的资源。
1.Neural Networks and Deep Learning Book是由Michael Nielsen撰写：在线书籍并有哪些交互式的 Java元素可以玩。
2.Deep Learning Book是由Ian Goodfellow, Yoshua Bengio和Aaron Courville撰写：有一部分密集。
步骤3.挑选一个专注领域并深入研究
确定你所热爱的并深入研究，领域是宽广的，故此，列表是一个全面的列表。
1.计算机视觉
深度学习已经改变了这一领域。斯坦福CS231课程是我经历的好课程，它教会你基础知识和卷积，同时也帮你在AWS上建立GPU实例，同时，也可看由Mofstafa S,Ibrahimz制作的课程Getting Started in Computer Vision。
2.自然语言处理（NLP）
用于机器翻译，提问和回答，还有情感分析。为了掌握并熟悉这一领域，深度理解自然语言的算法和基础计算属性是一定要的。CS224N/Ling284课程是一个很好的起步课程。CS224d:Deep Learning for Natural Language Processing是由David Socher教授的另外一门极好的课程，回顾了全部有关自然语言的新深度学习的研究。更细节的可以看How do I learn Natural Language Processing?
3.记忆互联网（RNN-LSTM）
近的工作是将在LSTM复发神经的注意机制与外部可写内存相结合，这算是在建筑系统中有一部分有趣的工作，可以被理解、存储并在以问题回答的方法检索。这个研究领域是由Dr.Yann Lecun的facebook实验室起步的，原始文字是在arxiv上：Memory Network。这里有不少研究变体、数据集、标准等，例如，Metamind的Dynamic Memory Networks for Natural Language Processing。
