※ 引述《beaprayguy (小羊快跑啊)》之铭言：
: 最近被deepmind的AI震惊
: AI最核心部分是deep learning
: 阅读文献得知，deep learning
: 是透过artificial neural network
: 透过一层一层neuron堆叠，得到一个output
: 若想自学要从哪一方面进入，若相关职缺基础门槛是什么。
你好，想要入手 DL，建议先从感知机(perceptron)入手。
感知机是所有类神经网络的单细胞，先读懂这个才不会觉得门槛太高。
反过来说，连这个读不懂，那就要再审慎评估自己适不适合机器学习？
perceptron 是最基本的线性机器学习模型，所有机器学习的课本都会讲到，
包括田神的书。不过田神的书比较难读啦，有很多严谨的证明。
我自己是从 pattern recognition 入门机器学习的。
实践是检验的最好方法，找一个能一刀画开的两类 2D dataset，
你的目标就是找程式自动将他们划开，这也是机器学习的目标。
逼自己忍住工具的诱惑，不用任何函式库，用你最熟悉的程式语言自行硬干 perceptron。
读理论、实作、读理论、修改实作、读理论、再修改实作、读理论、再继续修改实作，
如此不断循环，直到你的 perceptron 程式可以自动找出一类一边的正确直线为止，
恭喜你！取得了搞懂类神经网络的第一个里程碑！
接下来就推广到 MLP 以及如何用 back-propagation 收敛，搞懂了就不怕类神经网络，
不过那又是另外一个坑了..