在上 fast.ai Practical Deep Learning 課程時，我有個心得。
雖然老師很厲害，照著老師的 Jupyter Notebook 跑程式，真的一下子就把問題解決了。
可是總覺得上課上的有點虚，不太紮實的感覺。
這個不踏實，可能一方面來自課程太容易（容易不是應該是優點嗎？），以致於大多只能照做、無法自己獨力完成。
另一方面，我認為是自己對深度學習的基本知識太少。學過的人，可能覺得很基本，不用提的東西，我根本沒聽過。
這篇文章，說明我打算如何補充自己的深度學習基本知識。
和其他文章一樣，除了給自己參考，希望也對大家有幫助。
補充 Howard 兄推薦資料： Dive into Deep Learning — Dive into Deep Learning 1.0.3 documentation
推薦閱讀
我的參考資訊，主要來自這本書：《深度學習 最佳入門邁向 AI 專題實戰》。
第一章介紹深度學習，第二章介紹必備的數學與統計知識。剛好就是我需要的深度學習基本知識。
例如這張圖（雖然我有書，但這是 google 上捉的，不是拍照的），就是我之前分享時提到的，實作的步驟都很像。
我再找時間整理成表格給大家參考。
之後各章可以不看，因為主要是 TensorFlow 在各領域的實作練習，而 `fast.ai` 是基於 PyTorch。
有趣的是，google play 和 google books 都提供了預覽，剛好讓我們可以免費看這兩章（第二章免費預覽一半內容）。
當然，如果你覺得內容不錯，可以買書鼓勵作者，撰寫更多好書（他的確有這麼做）嘉惠大家。我把書籍連結放在本文最下方。
google play 預覽內容
第一章全部和第二章內容的一半
google books（書籍）預覽內容
第二章內容的一半
書籍資訊
作者 陳昭明 自述：原本只想整理過往文章集結成書，沒想到相關技術發展太快，幾乎全部重寫。
本書程式碼：
『IT邦幫忙』文章連結（上百篇）：
書籍目錄
我只詳列第一章第二章目錄，其餘只列章名，感興趣的朋友請參考最下文購書網址（保證無業配
）。
第一篇 深度學習導論
第1章 深度學習（Deep Learning）導論
1.1 人工智慧的三波浪潮
1.2 AI 的學習地圖
1.3 機器學習應用領域
1.4 機器學習開發流程
1.5 開發環境安裝
第2章 神經網路（Neural Network）原理
2.1 必備的數學與統計知識
2.2 線性代數(Linear Algebra)
2.3 微積分(Calculus)
2.4 機率(Probability) 與統計 (Statistics)
2.5 線性規劃(Linear Programming)
2.6 最小平方法(OLS) vs. 最大概似法(MLE)
2.7 神經網路(Neural Network)求解
第二篇 TensorFlow 基礎篇
第3章 TensorFlow 架構與主要功能
第4章 神經網路實作
第5章 TensorFlow 其他常用指令
第6章 卷積神經網路(Convolutional Neural Network)
第7章 預先訓練的模型(Pre-trained Model)
第三篇 進階的影像應用
第8章 物件偵測(Object Detection)
第9章 進階的影像應用
第10章 生成對抗網路 (GAN)
第四篇 自然語言處理
第11章 生成對抗網路 (GAN)
第12章 自然語言處理的演算法
第13章 聊天機器人(ChatBot)
第14章 語音辨識
第15章 強化學習
購書
1. 老牌重慶南路書局轉型的線上書店
2. 以超低折扣引發出版商歇業抗議的 momo
https://www.momoshop.com.tw/goods/GoodsDetail.jsp?i_code=9158682
3. 疑似「假承攬真僱傭」清潔阿姨的博客來
https://www.books.com.tw/products/0010898997