开始深度学习

安装Python及其第三方库
关于Python及其第三方库如何安装，这里不做过多篇幅，请自行搜索引擎。
推荐使用Anacoda
自带了很多第三方科学计算库，并且击沉包管理功能，简单易用。软件操作及其使用，请发挥主观能动性，自行摸索。

入门课程选择
吴恩达的机器学习课程想必是国内最熟悉的了，我们从他的Deep Learning Specialization开始入门，同样，无法翻墙的同学，请移步国内第三方资源进行原版查看，但是Andrew的课堂练习是使用的M语言，也就是用于Matlab和Octave的语言。我们不用这个，因为实在是。。。emmm，不用它自带的函数，你将会从python中学到更多，所有的课堂练习，我们用python实现。为啥选择Python，请参看CS224d intro to TensorFlow
详细说明了为什么python会是用于机器学习更好的选择。

项目来源
所有的原理和代码学习都来源于真实生活，我希望以此能让你解决真实生活中难题同时为社会创造价值，这里是机器学习你开始的一小步，但是是人类社会进步的一大步。

参考书
我们不能妄想在应试教育下的学习，做了A达到B，拿到C。人生没有标准答案。学习要发挥我们自己的主观能动性。自行搜集资料，学习前人的经验，每个人的基础都各不相同，并没有统一的指导规划。
Andrew的课程有意忽略了一些对于新手来说难以理解的东西。可以说他是教你做什么，怎么做。
而Learning from Data这本书则是教你为什么这么做，图书没有中文版。而翻译水平又参次不齐。想要学好技术的同学，要忍住恶心，看英文文档，自会发现一个全新的世界。

工程结构
每个练习有独自的目录，在每个目录里你会找到
1.引导你完成工程的文档
2.一系列Jupyter notebook
3.数据源

我没有把所有代码都放在notebook里，因为我认为这样非常混乱，你只会见到可视化后的呈现和公式。

在帮助模块里，你可以找到模型实现的细节和学习算法。

好的，入门准备就到这里，接下来，让我们开始正餐