我是如何學習深度學習中的數學的？
[0] 從論文中學習
在寫完這篇文章的10個月後，我重新回顧了自己的學習方法。我發現，對我來說，最好的數學學習方式是從我們閱讀的論文去學習。
有些論文會有許多的數學式，我不可能第一次看到就全部理解。也因此，我們可以利用這些數學式來學習，補足自己缺乏的知識。
這就像是直接練習大學考試的歷屆試題，從題目中學習。因為其實大部份論文所使用到的數學其實都八九不離十，也因此，閱讀論文數學式來學習也是一個不錯的方式。
[1] 深度學習的數學地圖：用 Python 實作神經網路的數學模型
這是我認真學習「數學」的第一本書，我覺得內容寫的相當淺顯易懂，我相信只要有高中數學基礎、修改大學微積分的人，即使多年沒碰數學，還是能透過本書重新找回對數學的認識。我相當推薦
[2] 深度學習
這本花書被公認為深度學習經典教科書，我覺得讀起來相當有難度，不太適合新手入門。不過，在本書的第二至第五章節當中，有針對DL使用到的數學，作概括性的介紹，但是依舊不適合新手入門。
我的想法是：先讀完深度學習的數學地圖這本書後，可以透過本書的數學相關章節，進行一個完整全貌的認識，後續再透過其他補充知識，將完整的知識體系補起來。
[ 3 ] Math for Deep Learning
一篇相當優異的部落格文章，讀起來覺得難度不是太高，但是內容卻相當的詳細。
[ 4 ] Activation Functions & Optimizers
與Math for Deep Learning都是同一個作者，該文介紹了激活函數和優化器的數學內容。
[ 5 ] 机器学习中的基本数学知识 — SNYang — 博客园
寫的也相當優異，跟[3]相比最大的優點是舉例更詳細，也有Python程式碼實作。
[ 6 ] 機器學習的數學基礎 : AI、深度學習打底必讀
內容真的是由淺入深，從國中難度的數學到大學程度的微積分、線性代數、統計學.....等內容，相當推薦讀完「深度學習的數學地圖」再來讀這一本，會覺得特別有感覺。
原因是深度學習的數學地圖這本書的內容比較像是一個Overview，而機器學習的數學基礎則是針對每個不同單元，都有一定程度的深入介紹，兩本互相參考，會對數學越來越有信心。
[ 7 ] 深度學習的數學：用數學開啟深度學習的大門
這本書適合一般具有高中數學程度的讀者閱讀，用來了解深度學習還算是不錯的書籍。日文翻譯書讀起來總帶有一些日本文章的風格存在，整理來說不會太難，但也不到太簡單。程式的部分使用Excel實作，算是市面上比較少見的，這樣的設計，更容易讓商管背景或是原本就曾用過Excel的讀者去體驗深度學習的「感覺」。
[8] The Roadmap of Mathematics for Deep Learning