list.md

# Deep-Learning

## 主要内容

* [课程列表](#curriculum)
* [专项课程学习](#special_course_learning)
* [辅助课程](#auxiliary_course)
* [论文专区](#papers_reading)

## 课程列表

| 课程 | 机构 | 参考书 | Notes等其他资料 |
| :--- | :---: | :---: | :---: |
| [卷积神经网络视觉识别](https://www.youtube.com/watch?v=g-PvXUjD6qg&list=PLlJy-eBtNFt6EuMxFYRiNRS07MCWN5UIA) | Stanford | 暂无 | [链接](http://cs231n.stanford.edu/syllabus.html) |
| [神经网络](https://www.youtube.com/watch?v=SGZ6BttHMPw&list=PL6Xpj9I5qXYEcOhn7TqghAJ6NAPrNmUBH) | Tweet | 暂无 | [链接](http://info.usherbrooke.ca/hlarochelle/neural_networks/content.html) |
| [深度学习用于自然语言处理](https://www.youtube.com/watch?v=kZteabVD8sU&list=PLCJlDcMjVoEdtem5GaohTC1o9HTTFtK7_&index=1) | Stanford | 暂无 | [链接](http://cs224d.stanford.edu/syllabus.html) |
| [自然语言处理](https://suclass.stanford.edu/courses/Engineering/CS224N/Fall2015/about) |  | [Speech and Language Processing](https://www.amazon.de/o/ASIN/0131873210/) | [链接](http://www.stanford.edu/class/cs224n/syllabus.shtml) |

## 专项课程学习

下述的课程都是公认的最好的在线学习资料，侧重点不同，但推荐至少修满下面课程中的任意两门，其中，辅助课程可以根据自己情况来定是否需要学习，建议直接进入下列的课程学习，如果感觉需要需要帮助，可以再进入辅助课程区寻找相应资料进行学习：

《卷积神经网络用于视觉识别》偏重于用于视觉方面的卷积神经网络的介绍,有时会需要一些基本的图像处理的知识；

《神经网络》专注于神经网络知识，会涉及很多不同的神经网络的介绍；

《深度学习用于自然语言处理》侧重于将深度学习用于自然语言的处理，较多的会用到递归神经网络,需要一些基本的文本处理知识;

| 课程 | 机构 | 参考书 | Notes等其他资料 | 辅助课程 |
| :--- | :---: | :---: | :---: | :---: |
| [卷积神经网络用于视觉识别](https://www.youtube.com/watch?v=g-PvXUjD6qg&list=PLlJy-eBtNFt6EuMxFYRiNRS07MCWN5UIA) | Stanford | 暂无 | [链接](http://cs231n.stanford.edu/syllabus.html) | 无 |
| [神经网络](https://www.youtube.com/watch?v=SGZ6BttHMPw&list=PL6Xpj9I5qXYEcOhn7TqghAJ6NAPrNmUBH) | Tweet |  | [链接](http://info.usherbrooke.ca/hlarochelle/neural_networks/content.html) | 无 |
| [深度学习用于自然语言处理](https://www.youtube.com/watch?v=kZteabVD8sU&list=PLCJlDcMjVoEdtem5GaohTC1o9HTTFtK7_&index=1) | Stanford | 暂无 | [链接](http://cs224d.stanford.edu/syllabus.html) | **自然语言处理** |

## 辅助课程

| 课程 | 机构 | 参考书 | Notes等其他资料 |
| :--- | :---: | :---: | :---: |
| [自然语言处理](https://suclass.stanford.edu/courses/Engineering/CS224N/Fall2015/about) |  | [Speech and Language Processing](https://www.amazon.de/o/ASIN/0131873210/) | [链接](http://www.stanford.edu/class/cs224n/syllabus.shtml) |

## 论文专区

恭喜您坚持到了现在，现在您已经拥有了扎实的数学功底，同时经过这么多的练习，也已经掌握了深度学习中的较为经典甚至一些较为前沿的技术，接下来如果您希望继续深造并成为大师并对该领域做出突破贡献，我们唯一能为您提供的就是下面的论文平台，它汇总了最经典的领域论文，领域开源包等等丰富资源，同时会不断更新最新的进展，希望对您有帮助，补充一句：**我们强烈建议您进入高校或者其他研究所进行深造，因为现在您当前的基础已经完全可以支撑您进行进一步研究，如果有好的导师引路，加之努力，将来定会成为大师，希望继续加油！**。

* [深度学习平台](https://github.com/ChristosChristofidis/awesome-deep-learning)