准备投入deep learning的怀抱，因为早上看到一篇文献太振奋人心了，其实你跟柳叶刀只差一个巧妙的idea，工具就在那里，看你用不用，用到哪，哎，总是一些没用的感悟，赶紧学起来吧，持续更新中......
先来整理些链接
吴恩达网易公开课，据说是讲的最好的，没有之一，上完课感动到哭，如果你有时间，一定要听完全部的课程。如果时间紧张，至少要听完前五节课程，后面的可以暂时跳过。http://open.163.com/movie/2008/1/M/C/M6SGF6VB4_M6SGHFBMC.html
这个知乎介绍太全了，太好了，没有之一
https://www.zhihu.com/question/26006703
我，只有一个月
想要在30天完成入门超级困难。除非，你只是想了解机器学习的工作原理，然后应用到自己的项目中。
如果是这样的话，速成建议如下：
1、略读吴恩达机器学习课程第1-5周的课程，只看视频，掌握概念即可。第三周可以跳过MATLAB/Octave课程。
2、看完3Blue1Brow的视频。
3、略读吴恩达深度学习专项系列课程的第一课，也就是神经网络和深度学习。
4、如果你想做图像处理项目，看一下Nielsen书中的第六章：http://neuralnetworksanddeeplearning.com/chap6.html
如果你需要序列建模的一些想法，可以看看Olah的博客：http://colah.github.io/posts/2015-08-Understanding-LSTMs/
5、Siraj Raval拍了很多有趣的视频，涉及大多数机器/深度学习的主题。传送门在此：https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
6、搜索跟你感兴趣的开源实现，随时调整以满足你的需求。如前所述，我推荐你先用带有TensorFlow后端的Keras语言。
作者：量子位，链接：https://www.zhihu.com/question/26006703/answer/536169538
来源：知乎，著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
下面列一下deep learning在医学领域的应用，真是飞速发文啊...挑了几篇高分大家体会下，看能不能做目前还没有的，抢占先机啊！目前已涉及糖尿病视网膜病、皮肤癌、甲状腺癌US、脑胶质瘤MRI，影响因子也是逐渐下降，呵呵了，大家加油吧！最后一篇是中国人发的哟，厉害了我的国！
LeCun Y, Bengio Y, Hinton G. Deep learning. Nature 2015; 521: 436–44.
Chang Y, Paul AK, Kim N, et al. Computer-aided diagnosis for classifying benign versus malignant thyroid nodules based on ultrasound images: a comparison with radiologist-based assessments. Med Phys 2016; 43: 554–67.这个是传统的机器学习
Gulshan V, Peng L, Coram M, et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA 2016; 316: 2402–10.
Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017; 542: 115–18.
Ting DSW, Cheung CY-L, Lim G, et al. Development and validation of a deep learning system for diabetic retinopathy and related eye diseases using retinal images from multiethnic populations with diabetes. JAMA 2017; 318: 2211–23.
Kermany DS, Goldbaum M, Cai W, Lewis MA. Identifying medical diagnoses and treatable diseases by image-based deep learning. Cell 2018; 172: 1122–31.
Chang K, Bai HX, Zhou H, et al. Residual convolutional neural network for determination of IDH status in low- and high-grade gliomas from MR imaging. Clin Cancer Res 2018; 24: 1073–81.
Xiangchun Li, Sheng Zhang, Kexin Chen, et al. Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multicohort, diagnostic study. Lancet Oncol 2018
James Zou, Mikael Huss, Amalio Telenti, et al. A primer on deep learning in genomics. Nature Genetics 2018 这是一篇实用性的入门文
