1. 经典教材反复看反复理解。 取其精华，并能够用自己的话梳理、推导并总结一遍。从基础理论做起一点点构建自己的知识框架。
2. 通过其他途径，如知乎、Quora等平台，获取更多不同的观点与Insights，补充在原来的知识框架中，并整合与充实。
3. 个人认为，Deep Learning的学习，尤其是大部分要依赖自学，代码很重要，强调通过代码进行实践，在实践中加深对深度学习理论的理解；另外，积累有效的模块化代码。
4. 温故而知新。尤其是回顾自己的笔记，而非再把原教材、原论文从头一字不落地再读一遍。
5. 在笔记整理过程中，并非将原教材内容照搬照抄或者简单粗暴地翻译，而是要 自问自答 。好问题，好答案。更强调因果与逻辑推理而非仅仅平铺直叙。

自学节奏的探索，从这里开始。

预期规划，将对如下经典教材做认真学习：

1. 《Deep Learning》
2. 《Pattern Recognition and Machine Learning》
3. 有实用价值与研究借鉴的经典公开课
4. Andrew Ng《Deep Learning Specialization》