深度学习预备知识:
第一部分:基础数学课
高等数学 —— 起码知道偏微分及其性质、梯度的概念,也就是同济高数一+高数二的前几章
线性代数 —— 矩阵四则/微分运算,线性空间、线性变换、特征值特征向量
概率论 —— 概率、条件概率、贝叶斯公式、概率分布
最优化问题 —— 主要是梯度下降法
第二部分:机器学习
机器学习的基本目标和概念 —— 机器学习能解决什么问题、不能解决什么问题、如何解决这些问题
神经网络 —— 神经元模型、激活函数、反向传播算法
第三部分:图像处理
图像处理的基本方法 —— 滤波、二维卷积、二维正交变换、基本形态学运算(开/闭运算,膨胀/腐蚀)