首先肯定是數學知識：

眾所周知，深度學習是一個將理論演算法與計算機工程技術緊密結合的領域。對於零基礎小白，想往深度學習發展，要掌握哪些數學知識呢？

首先是線性代數。在神經網路中大量的計算都是矩陣乘法，這就需要用到線性代數的知識了。計算向量的餘弦相似度也要用到內積運算，矩陣的各種分解辦法也出現在主成分分析和奇異值分解中。其次是機率論與統計學。廣義的說，機器學習的核心是統計推斷，機器學習的巨頭不少都是統計學大師，如邁克爾喬丹，楊樂坤，辛頓等，另外機器學習中大量用到貝葉斯公式，隱馬爾科夫模型等等。再次就是微積分。這是機器學習中的核心知識之一，無論是梯度下降法中的求梯度還是反向傳播中的誤差傳遞的推導都需要用到微積分。

其次就是python基礎：

深度學習技術在現代社會的各個方面表現出了強大的功能，從Web搜尋到社會網路內容過濾，再到電子商務網站上的商品推薦都有涉足。並且它越來越多地出現在消費品中，比如相機和智慧手機。

深度學習正在取得重大進展，有望成為計算機視覺、語音分析和許多其他領域內機器學習的主要形式。

深度學習本質上是深層的Python人工神經網路，它不是一項孤立的技術，而是數學、統計機器學習、計算機科學和人工神經網路等多個領域的綜合。

想做好深度學習開發，在程式設計方面除了掌握python自身語法外，還應該著重掌握下面這些庫：

pandas：超級excel，表格式操作資料，資料清洗和預處理的強大工具。numpy：數值計算庫，快的不要不要的。matplotlib：模仿MATLAB的資料視覺化工具。scikit-learn：封裝超級好的機器學習庫，一些簡便的演算法用起來不要太順手。ipython notebook：資料科學家和演算法工程師的筆記本。

深度學習看似難度大，掌握了正確的學習方法，入門還是很輕鬆的。

為了幫助行業人才更快地掌握人工智慧技術，中公優就業聯合中科院自動化研究所專家，開設人工智慧《深度學習》課程，透過深度剖析人工智慧領域深度學習技術，培養人工智慧核心人才。

在為期5周的課程學習中，你將全面瞭解AI深度學習的相關知識，掌握人工神經網路及卷積神經網路原理、迴圈神經網路原理、生成式對抗網路原理和深度學習的分散式處理，並應用於企業級專案實戰。

透過對專業知識的掌握，你會更系統地理解深度學習前沿技術，並對學會學習（元學習）、遷移學習等前沿主流方向發展有自己的想法。