课程推荐
机器学习是深度学习的基础，建议先学机器学习，再学深度学习。视频各大视频网站都有。课件在课程主页都可以下载。其实还有很多课程，这里就不列举了，都能搜到。斯坦福的老师可以关注吴恩达和李飞飞，也可以关注MIT等其他学校。想要学习原理的话，最好的选择还是大学的课程。
书籍推荐
这本书我读过了。它适合没有接触过深度神经网络的读者。作者是一个日本人，图文并茂，非常简单易懂。它把深度神经网络的数学原理讲清楚了，而且阅读起来很感觉不难。而且书中没有使用任何框架，是用纯Python实现的深度神经网络。
技术书籍很快就会过时吗？
技术发展很快是没错，那是越上层的技术发展越快。上层比如应用层，应用软件，发展就很快，一周可以迭代一个版本。底层的软件更新很小，比如TCP/IP，更新非常慢，数十年没有什么太大的变化。更为底层的深度神经网络所依赖的微积分，多少年没有变了？这可是所有理工大学生都要学的课。
应用层的发展很快，相关的旧技术就不用学了吗？直接学最新的？我认为大部分情况下，不是的。先不说我们能不能获取到这些最新技术，没有以前的基础，我们能一上来就学懂学好这些新技术吗？而且旧技术和理论也可能对我们有启发，或者避免我们在自己创新的时候走入行不通的老路。
所以，我认为我们应该学的是基础的原理和知识，学习那些不经常变化的东西。而且很多旧的所谓过时的东西还是很有学习和参考价值的。
其他实用技术
- Linux Shell Programming
- Python
- Vim
框架
- Tensorflow
- Pytorch
不懂原理的话，要想会用或者用好这些框架，真的很难，至少对我来说是这样的。