从零开始学深度学习：路线图
为什么要路线图
深度学习知识面广，没有路线容易在细节里迷路。下面是一份由浅入深的路径建议。
1. 数学与编程
- 线性代数：向量、矩阵、特征值直觉即可先够用，再回头加深。
- 微积分与概率：理解梯度、期望与常见分布。
- Python + NumPy：熟练向量化思维，少写循环。
2. 机器学习基础
先掌握监督学习里的损失函数、优化与过拟合，再进入神经网络。
3. 深度学习核心
全连接 → 卷积 → 循环/注意力 → 读一两篇经典论文并手写小实验验证理解。
坚持「概念 + 小项目」交替推进，比只刷视频更有效。
祝你学习顺利！