不过在保持学习姿势的时候，方向要正，不能以战术上勤奋掩盖战略上的懒惰，其中数学要学好，特别是对于人工智能/机器学习/深度学习来说，现在打下的数学基础或许会令你将来身价暴涨十倍！
深度学习作为机器学习与人工智能的子集，兴起稍晚，却使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。
对于深度学习来说，概率统计、微积分、线性代数等是基础课程，虽然算不上深奥，但是必须打好基础。
-
概率统计。概率统计是许多科学和工程的基础工具，可以告诉我们怎么推论。
-
微积分。深度学习中出现较多的一个概念就是梯度，需要依赖微积分的数学基础。
-
线性代数。又一基础性课程，可用于主成分分析、SVD分解等。
当然，随着研究的深入，对数学技能的要求也会大同小异，需要根据具体应用进行延展。在此整理了一些深度学习数学基础的学习资源（包括专业书、在线课程等），大家可以各取所需：
深度学习数学基础教材
《Deep Learning》——Ian Goodfellow
这本书被奉为 AI 新圣经，由Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 三位大牛合著，主要介绍了基础数学知识、机器学习经验以及现阶段深度学习的理论和发展，得到很多朋友力荐。
这本书中文版今年7月刚刚上市，在github上也能找到电子版，链接地址：
exacity/deeplearningbook-chinese
或者直接上度娘搜索：deeplearningbook-chinese
《统计学习方法》——李航
李航所著《统计学习方法》也是一本很好的入门教材。这本书通过数学建模，通俗地讲解了各种机器学习算法的实现。
在这里附上PDF版本地址，大家可以下载查看：
http://vdisk.weibo.com/s/vfFpMc1YgPOr
另外附上一些网上免费的数学参考书：
在线数学教材汇总
http://people.math.gatech.edu/~cain/textbooks/onlinebooks.html
免费数学教材
http://www.openculture.com/free-math-textbooks
开放教材图书馆
https://open.umn.edu/opentextbooks/SearchResults.aspx?subjectAreaId=7
MIT在线教材
https://ocw.mit.edu/courses/online-textbooks/#mathematics
美国数学研究所认证教材
https://aimath.org/textbooks/approved-textbooks/
深度学习数学在线课程
在教材之外，也有一些不错的网上公开课，可以听听这些视频课程巩固提高，比如麻省理工公开课中的线性代数免费课程：
http://study.163.com/course/introduction.htm?courseId=1003649037
通过上述课程，可以了解矩阵理论及线性代数的基本知识，包括方程组、向量空间、行列式、特征值、相似矩阵及正定矩阵。
有了一定的数学基础，才能进一步学习相关课程，比如深度学习大牛吴恩达在网易云课堂发布的一系列免费课程，也可以好好刷一下：
http://mooc.study.163.com/smartSpec/detail/1001319001.htm
这些课程由 deeplearning.ai 出品，并有中英文对照字幕，让你在了解丰富的人工智能应用案例的同时，学会在实践中搭建出先进的神经网络模型。目前神经网络和深度学习、改造深层神经网络以及结构化机器学习项目已经开课。
此外，github上也有同学整理了关于深度学习的资料，通过书籍、论文、网站等展现了深度学习领域最新的的进展、应用等，干货很多、质量很高，值得花些时间阅读和学习一下：
https://github.com/ChristosChristofidis/awesome-deep-learning#free-online-books
在这个秋高气爽的读书好时节，如果可以利用好时间与资源，相信在深度学习上也能实现大丰收。
