在大概6个月的时间里，学习、提高和促进在深度学习方面的工作是很有可能的。本文详细介绍了实现这一目标的几个步骤。

　　前提条件

　　-你愿意在接下来的6个月里每周花费10-20个小时。

　　-你具备一些编程技能。你应该能够轻松地学会使用Python和云计算技术。(如果你没有Python和云计算背景的话)。

　　-过去的一些数学背景(代数、几何等)。

　　-使用互联网和电脑。

　　步骤1

　　实践出真知，我们通过开车来学习开车。而不是通过了解离合器和内燃机的工作原理。至少最开始不是。在学习深度学习的过程中，我们会遵循同样的自上向下的方法。

　　推荐Fast.ai课程——面向程序员的深度学习实战课程——第一部分。这需要4-6周的努力学习。本课程中有一节专门讲关于在云上运行代码的问题。谷歌开放出来的Colaboratory，可提供免费的GPU资源。从这开始。其他有些云如AWS也提供相应的资源，这里不再赘述。在云上进行实操可以省去很多麻烦和投入，尽量不要自己配置一台机器。起码现在不要。

　　步骤2

　　现在是了解一些基本知识的时候了。学习微积分和线性代数。很多慕课平台上都有微积分和线性代数相关的开放课程，你可以自己查阅。当你完成了以上两个之后，学习深度学习相关的矩阵微积分(Matrix Calculus)知识。

　　步骤3

　　现在是时候理解自下而上的深度学习方法了。这时同样需要你在慕课平台上寻找深度学习课程，从权威性以及知名度上来看，可以考虑认准吴恩达。网易云课堂与吴恩达及deeplearning.ai有合作，可以找到相关课程。在理想情况下，你会因此对深度学习有更深入，更全面的了解。

　　步骤4

　　"只工作不玩耍，聪明孩子也变傻。"

　　做一个总结性课程。现在就是你深入钻研深度学习库的时候(例如:Tensorflow、PyTorch、MXNet)，然后从零开始为你喜欢的问题实施一个架构。

　　前三个步骤是关于如何使用深度学习和获得坚实的基础。这一步是从零开始实现一个项目，并借助工具开发一个强大的功能。

　　步骤5

　　现在继续完成Fast.ai的第二部分课程——面向程序员的前沿深度学习课程。这涵盖了更高级的主题，你将学会阅读最新的研究论文，并从中找到意义。

　　每一步都需要4-6周的时间。在你开始学习的26周之后，如果你认真的遵循以上所有的步骤，你将会在深度学习中打下坚实的基础。

　　接下来怎么走?

　　斯坦福的CS231n和CS224d课程。这两门课程都是很棒的课程，对视觉和NLP都很有深度。它们涵盖了最新的先进技术。读一读深度学习相关的书籍、论文等，将巩固你的理解。

　　以上步骤中提到的相关课程都可以在网络上轻松找到资源，希望大家能够学有所成。