並學習好。
網上有如此多的書籍和課程可供使用，大部分都是免費的，對於新來者來說，很難選擇一本好書，特別是在理論和實踐兩方面。 其中95％的內容會讓您想在切換50％的材料之前進行切換，這是有充分的理由的-它們的結構不正確。
> Photo by Moritz Kindler on Unsplash
糟糕的結構不會使您充滿動力-理論書籍只需要實用的部分即可打破單調，而實際書籍則需要相反的內容。
在深度學習旅程的大部分時間裡，我都看過以下課程或看過以下書籍：
· 從理論上講：這意味著幾乎沒有實踐性工作，或者如果兩個方面都沒有正確覆蓋，就不可能對這個主題有所瞭解
· 實用：意味著缺少理論部分，因為這是事前瞭解的前提，即使書/課程一開始並沒有說明
我在大多數課程和書籍中遇到的另一個大問題是過早地進入圖書館，而我指的是過早。 如果您不手動進行操作，至少在開始時，您將無法真正掌握正在發生的事情。
好的，到目前為止，我們已經討論了大多數在線可用內容存在的問題。 在下一節中，我們將對這本書和課程進行介紹，這可能會改變遊戲規則，我還將給出幾個原因。
NNFS-從零開始的神經網絡
免責聲明：我絕不與課程所有者有任何關係，我不認識他本人，並且您閱讀的所有內容都將純粹基於個人經驗。
如果您一直在研究YouTube上與數據科學相關的任何主題，那麼您可能知道senddex頻道。 我喜歡在一天中回看他的視頻，以進行基本的機器學習，甚至還可以學習Go編程語言。
今年年初（我認為是1月），他宣佈了即將出版的名為《從零開始的神經網絡》的書和課程。
他聲稱，該課程的目的是完全從頭開始編寫神經元，層，激活函數，優化器，漸變，反向傳播（幾乎所有內容）的代碼，即使最初沒有Numpy也是如此。 後來，由於純Python在數學上沒有那麼強大和方便，所以代碼將被"翻譯"為Numpy。
您可以觀看下面的完整介紹視頻，儘管我只是為您提供了兩句摘要：
因此，經過一番考慮，我進入了該書的官方網站併購買了我目前正在閱讀的EBook格式。
我必須說，它可以實現。
如果您不想花30美元買這本書，仍然可以完全免費觀看YouTube播放列表。 本書緊隨其後，但本書的內容更為詳細-請記住這一點。
現狀
目前，該書仍處於草稿格式，如果您問我，那就太好了。 作為讀者，您可以在未找到100％清晰的任何部分上留下評論，或者您可以對評論做出回應，或者可以對書中的整個部分進行更好的解釋。
即使採用草稿格式，仍然有大約250頁供您閱讀，而深度學習是一個複雜的主題，因此需要多次開會。 因此，不會，您很快就不會用完所有材料。
在陳述了所有優點之後，我仍然有一些令我感到擔憂的事情，如果您決定採用這種方法，可能還會與您有關。 讓我們在下一部分中討論它們。
可能的缺點
現在，這只是我大聲思考的部分，下面列出的內容可能不會影響您，但您應該意識到它們。
· 沒有CNN和RNN-據我所知，整本書/課程完全基於人工神經網絡，因此您必須在其他地方學習CNN和RNN。 也許將來會涉及到它們，但我不確定。
· 無需使用庫-這既是優點也是缺點。 通過Pro的方式，您可以從頭開始開發東西，從而對底層機制有更深入的瞭解，但是到本課程結束時，您將不知道如何使用TensorFlow或PyTorch，儘管我認為它們非常簡單 瞭解基本知識後再接手。
再說一遍，這些可能對您來說並不是真正的缺點-也許您不關心卷積或遞歸神經網絡，或者您已經知道如何使用PyTorch或TensorFlow，但是從理論上來說這是一個痛苦。
自己判斷，但請牢記這兩點。
判決
好的，我們同時介紹了這本書和課程的好與壞。
所以，我會推薦嗎？
簡短的答案是-絕對可以。 但是暫時不要拿出錢包。 您可能不喜歡這門課程-因為我們都不同並且學習方法也不同-因此，在購買本書之前，請查看YouTube播放列表，查看是否符合您的要求。
誰知道，也許YouTube視頻足以滿足您的需求，並且您不想更深入地研究-也可以。
但是，如果您想更深入，從頭開始，我熱烈推薦這本書。
謝謝閱讀。
(本文翻譯自Dario Radečić的文章《Probably the Best Resource to Learn Deep Learning in 2020》，參考：
https://towardsdatascience.com/probably-the-best-resource-to-learn-deep-learning-in-2020-66d13a8ab1f1)
