你很幸运！目前有大量可用的资源。特别是，您可以查看：

• Coursera 课程即将开始
• 该领域的一些领导者（Goodfellow、Bengio 和 Courville）最近出版的在线教科书
• 这些讲义和这个概述，它们更面向自然语言处理。
• 一组具有漂亮可视化效果的博客文章，作者：Chris Olah
• 两个支持良好的工具包，带有 python 接口和在线教程：Tensorflow和Theano

主要参考资料：

深度学习课程：

• Andrew Ng 的机器学习课程有一个很好的神经网络介绍部分。
• Geoffrey Hinton 的课程：Coursera Neural Networks for Machine Learning（2012 年秋季）
• Michael Nielsen 的免费书籍《神经网络和深度学习》
• Yoshua Bengio、Ian Goodfellow 和 Aaron Courville 写了一本关于深度学习的书（2016 年）
• Hugo Larochelle 在舍布鲁克大学的课程（视频 + 幻灯片）
• 斯坦福关于无监督特征学习和深度学习的教程（Andrew Ng 等人）
• 牛津大学 ML 2014-2015 课程
• NVIDIA 深度学习课程（2015 年夏季）
• Google 在 Udacity 上的深度学习课程（2016 年 1 月）

面向 NLP：

• 斯坦福 CS224d：自然语言处理的深度学习（2015 年春季），作者：Richard Socher
• NAACL HLT 2013 上的教程：自然语言处理的深度学习（无魔法）（视频 + 幻灯片）

以视觉为导向：

• CS231n Convolutional Neural Networks for Visual Recognition by Andrej Karpathy （以前的版本，更短且不太完善：Hacker's guide to Neural Networks）。

特定于工具包的教程：

• DL4J（Java）：http ://deeplearning4j.org/documentation.html
• Theano（Python，Y. Bengio）：http ://deeplearning.net/
• Torch7 机器学习（Lua，LeCun）：http ://code.madbits.com/wiki/doku.php
• H2O 深度学习（Java）：http: //0xdata.com/product/deep-learning/
• 咖啡（C++、UCB）：http ://caffe.berkeleyvision.org/
• Nervana 的深度学习课程

http://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html

http://neuralnetworksanddeeplearning.com/

这是我最喜欢的资源。从斯坦福机器学习课程开始，但更喜欢阅读而不是讲座。特别是因为读数是基于示例的。

神经网络和深度学习是一个平易近人的起点。

神经网络和深度学习是一本免费的在线书籍。本书将教你：

神经网络，一种美丽的受生物启发的编程范式，使计算机能够从观察数据中学习深度学习，一套强大的神经网络学习技术神经网络和深度学习目前为图像识别、语音等许多问题提供了最佳解决方案识别和自然语言处理。本书将教你神经网络和深度学习背后的许多核心概念。