要学习深度学习，需要先掌握一些基本技能。所有机器学习方法都涉及从数据中提取信息。因此，我们先学习一些关于数据的实用技能。包括存储、操作和预处理数据。
机器学习通常需要处理大型数据集。我们可以将某些数据集神为一个表，其中表的行对应样本，列对应属性。线性代数为人们提供了一些用来处理表格数据的方法。我们不会深究细节，而是将重点放在矩阵运算的基本原理及其实现上。
深度学习是关于优化的学习。对于一个带有参数所模型，我们想要找到其中能拟合数据的最好模型。在算法的每个步骤中，决定以何种方式调整参数需要一点微积分知识。
机器学习还涉及如何做出预测：给定观察到的信息，其某些未知属性可能的值是多少？要在不确定的情况下进行严格的推断，我们需要借用概率语言。
推荐《动手学习深度学习》这本书来系统地学习。
本书对读者的数学基础无过度要求，只要可以正确理解深度学习所需要的数学知识即可，但这并不意味着本书中不涉及数据知识方面的内容。
在《动手学习深度学习》中的第2章中，会快速介绍一些基本且常用的数学知识，以便读者能够理解书中的大部分数学内容。
本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。
更多书籍推荐
深度学习从入门到进阶（京东套装共三册）：深度学习从基础到实践+图神经网络
本书采用通俗易懂的讲解方式，深入浅出的讲解了深度学习的基础知识、实际应用和图上的深度学习，追上新兴发展方向，小白从基础到进阶！
《深度学习：从基础到实践（上、下册）》
1.“计算机图形研究领域受尊敬的天才之一”Andrew Glassner编写。
2. 基本概念+理论，不涉及复杂的数学内容。
3. 近千张图和简单的例子，由浅入深地讲解深度学习的相关知识。
《图神经网络：基础、前沿与应用》
前沿：图神经网络是机器学习、数据科学、数据挖掘领域新兴的发展方向，被称作图上的深度学习，有望推动第三代人工智能的顺利发展。
丰富：综述图神经网络的基础理论、模拟算法、研究前沿以及广泛和新兴的应用场景
深入：摒弃简单介绍概念与框架的思维，深入分析图神经网络的现状以及未来的调整与机遇，帮助专业人士和初学者知其然知其所以然。