目录）
一、学好数学基础
1. 微积分
偏微分，链式法则，矩阵求导等。
2.线性代数
向量，矩阵，张量运算，矩阵求逆，奇异值分解、特征值分解，行列式，线性空间理论，范数，特殊矩阵等。
3.概率
概率分布，贝叶斯原理，最大似然（MLE）和最大后验估计（MAP）等。
4.最优化
线性优化，凸优化（约束/非约束）如梯度下降，牛顿法，共轭梯度法等，组合优化如动态规划，Dijkstra算法，最小割/最大流法等。
5.推荐书籍
《MATRIX Computation》、《Probability Theory》、《Convex Optimization》
二、学好编程工具
1.熟悉Unix/Linux系统的基本操作
推荐《鸟哥的Linux私房菜》
2.基本C++学习
推荐《Effective C++》
3.深入C++学习
推荐《深度探索C++对象模型》
Python学习
《Python核心编程第二版》
三、学好机器学习
四、学好深度学习
1.理解掌握的原理
卷积操作，**函数，非极大抑制，池化操作，反向传播，梯度下降
熟悉常用框架平台：Tensorflow,Caffe,Pytorch.