准备
6个月内，每周将花费10-20小时。
需要一些编程基础。这样便于在学习过程中学习使用Python和云。
一定的数学基础。
有可操作的电脑并能连入网络。
第一步
我们通过学习驾驶从而学习开车，而不是通过学习离合器和内燃机的工作原理。学习深度学习时，在起始阶段，我们将遵循同样的自上而下的方法。用4-6周的时间学习fast.ai课程(http://course.fast.ai/)。
第二步
这个阶段开始了解一些基础知识，学习微积分和线性代数。对于微积分，可以通过Big Picture of Calculus (https://ocw.mit.edu/resources/res-18-005-highlights-of-calculus-spring-2010/highlights_of_calculus/big-picture-of-calculus/)进行学习。对于线性代数，MIT的课程OpenCourseWare (https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/)非常不错。学习完这两个后，可以继续学习Matrix Calculus for Deep Learning (http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html)。
第三步
这个阶段需要了解深层学习的自下而上方法。完成Coursera上的五门课程 (https://www.coursera.org/specializations/deep-learning)。这个课程需要付费，但完成后会发现是值得的。考虑之前已经进行过的学习，理想情况下，应该能够每周完成一门课程
第四步
前三个步骤是了解如何和在何处使用深度学习，并获得坚实的基础。这个阶段需要自己完成一个项目，从而更加深入的了解深度学习相关的库，如：Tensorflow, PyTorch, MXNet 等。选一个自己关注的问题，从头构建一个模型体系，加深对建模工具的操作熟练度。
第五步
这个阶段继续做fast.ai的第二部分课程(http://course.fast.ai/part2.html)。这部分课程涵盖了更高级的主题，你将学会阅读最新的研究论文并理解它们。
每个步骤大约需要4到6周的时间。从开始的那一刻起，大约26周后，如果你认真地遵循上述所有准则，你将在深入学习方面有坚实的基础。
之后做什么
学习斯坦福cs231n (http://cs231n.stanford.edu/) 和cs224d (http://cs224d.stanford.edu/) 课程。这两门课分别针对视觉识别和NLP都有很深的介绍。还可以阅读deep learining book 材料 (http://www.deeplearningbook.org/), 帮助巩固理解。