深度学习如何入门

时间  2019-11-12
标签 深度 学习 如何 入门 繁體版
原文   原文链接

深度学习如何入门

 

连接：https://www.zhihu.com/question/26006703/answer/536169538

怎么入门机器/深度学习？html

回答这个问题，最早要考虑的问题是：你有多少时间？git

准备用三个月入门，和想要一个月速成，确定是大相径庭的路径。固然我建议你们稳扎稳打，至少能够拿出五个月的时间来学好机器学习的基础知识。github

基础很重要，知其因此然很重要。毕竟工具总在进步，每月都会出现更好的深度学习技术，但基础知识是不变的。web

如何用五个月时间入门？下面分三个部分，详细指南。（以及，若是你确实时间有限，最后还有一个速成指南）编程

五个月入门

Part 1：从机器学习开始（两个月）

最好的入门教程，就是吴恩达讲授的机器学习。吴恩达这套课程发布好久了，虽然有些地方稍微过期，但相信我，如今没有任何公开的课程，能比吴恩达讲得更好。真的，课程结束时我几乎哭了出来。后端

这个课程能够说适合任何水平的学生，固然，你最好仍是得知道两个矩阵如何相乘，以及对编程有一些基本的了解。网络



这套课程能够前往Coursera学习，传送门：

也能够上网易公开课收看，传送门：

若是你有时间，必定要听彻底部的课程。若是时间紧张，至少要听完前五节课程，后面的能够暂时跳过。框架

吴恩达的机器学习课程深刻讲解了经典的机器学习模型，如线性回归、逻辑回归、神经网络、支持向量机、PCA、无监督学习等等。大部分重要概念，都以简单易懂的方式进行了介绍。机器学习

课程延伸ide

当你学习到第五节课，也就是开始讲述神经网络时，建议开始查看与课程平行的外部资料。比方3bule1brown推出的神经网络讲解视频。推荐必看。

YouTube传送门：

或者能够前往B站查看：

以及，我以为吴恩达在讲神经网络时有点快，因此建议补充阅读一些资料。好比有关神经网络和深度学习的在线书籍，免费的就很好了。

传送门：

 

做者Michael A. Nielsen以一种简单直观的方式，深刻探究了神经网络的每一个细节。建议阅读这本书的前两章，与吴恩达的课程并行。当你熟悉更多概念后，开始搞深度学习时，能够再看书中的其他部分。

若是你英文很差，这本《神经网络与深度学习》也有中文翻译版本，能够免费在线查看。

传送门在此：

 


这个部分的学习结束以后，你就能明白机器/深度学习的许多概念。最后推荐阅读Christopher Olah的博客，颇有意思。

传送门：

 

Part 2：涉足深度学习（1个月）

开始研究深度学习以前，最好重温一下大学数学。Ian Goodfellow传奇般的“花书”《深度学习》，简明扼要的归纳了大部分重要主题。

建议你们尽量深刻地阅读线性代数、几率、信息理论的章节。每当读论文遇到深度学习概念时，均可以在书中找到参考。

 

以及，这本书有在线的版本。

例如英文版在此：
。
而中文翻译版本在此：

 

关于深度学习的在线资料有不少，你可能会挑花了眼。

再一次，我以为最好的选择，仍是听吴恩达的《深度学习专项系列课程（Deep Learning Specialization）》。

Coursera传送门：

网易云课堂的传送门：

这门课程包括五大章节。其实不是免费的，你能够按照50美圆/月购买。固然，若是你负担不起，还能申请“助学金”。申请时请详细阐明理由，处理的时间大概须要15天左右。

固然不付费，大部份内容都是能够看的。以及视频的部分，在不少地方也能免费收看。

这五门课程主要讲的是：

一、神经网络和深度学习（4周）

二、改善深度神经网络（3周）

三、结构化机器学习项目（2周）

四、卷积神经网络（4周）

五、序列模型（3周）

 

前三门课程涉及通常的神经网络和深度学习，第4、第五门课程涉及特定主题。若是你打算搞视觉，第四课必听；若是你搞NLP、音频等，第五课必听。但若是你须要听第五课，那么建议也把第四课好好听一下。

这里鼓励你们一下，课程里每周的内容，实际上一两天就能学完，因此不要被课程表吓倒。劳逸集合、提高效率。

学到这个地步，其实就能够再去 ，查看第三到第六章的内容，来强化你的概念。若是你有什么还没搞懂的，请前往Olah的博客。

以及，这时候你要开始看深度学习的论文了，从中学习知识。深度学习有个强烈的特色，那就是内容都很是新，阅读论文是跟上时代惟一的方法。不想被抛下，那么仍是养成阅读论文的好习惯吧。

Part 3：深度学习上手练（两个月）

学到这里，你应该对机器学习和深度学习中的大多数概念有了正确的理解，如今是时候投入沸腾的实际生活中了。

练手深度学习，最好的资源在fast.ai。

 

传送门在此：

他们在流行的深度学习工具PyTorch上构建了一个库，只须要几行代码，就能实现世界级的性能。

fast.ai的理念有点不一样。吴恩达等老师的教授方法是自上而下，先讲再作。而fast.ai倡导自下而上，先作再讲。

因此在他们的课程中，第一节就带你创建一个强大的图像分类器。本身训练模型的快感，刺激着你去完成其他的课程。

 

除此之外，还要推荐两门课。

斯坦福大学的CS231n和CS224n。CS231n专一于计算机视觉的深度学习，而CS224n专一于序列建模。

CS231n，李飞飞等主讲。
官网传送门：
CS224n，目前是Richard Socher主讲。
官网传送门：

此前的课程，网上也有中文字幕版本，你们可自行搜索。

到这里，为期五个月的机器/深度学习入门就结束了。

但愿你们都能稳扎稳打，夯实基础。

以及最后，兑现一个开头的承诺。若是你确实时间很紧张，必须尽快入门机器/深度学习，那么请看——

速成指南

我最多只有俩月

一、完成吴恩达机器学习课程的前五周，要作编程练习。

二、看完3Blue1Brown的视频。

三、完成吴恩达的深度学习专项系列课程，作练习。

四、若是你想搞图像，看专项课程第四讲，搞NLP或序列数据，看第五讲。

五、搜索你感兴趣的开源实现。若是你还没想好用什么语言，推荐Keras。而后根据须要，再迁到TensorFlow或者PyTorch框架。

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做原理，而后应用到本身的项目中。

若是是这样的话，速成建议以下：

一、略读吴恩达机器学习课程第1-5周的课程，只看视频，掌握概念便可。第三周能够跳过MATLAB/Octave课程。

二、看完3Blue1Brow的视频。

三、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。

四、若是你想作图像处理项目，看一下Nielsen书中的第六章：

若是你须要序列建模的一些想法，能够看看Olah的博客：

五、Siraj Raval拍了不少有趣的视频，涉及大多数机器/深度学习的主题。传送门在此：

六、搜索跟你感兴趣的开源实现，随时调整以知足你的需求。如前所述，我推荐你先用带有TensorFlow后端的Keras语言。

其余资源

YouTube上有一个两分钟读论文的系列视频，能够帮你快速了解全球深度学习的最热门进展。

若是你关注进机器学习领域的进展，Twitter是个绝佳的工具。

遇到困境的时候，记得reddit和Facebook上有不少志同道合的人，不要犹豫，在社区里寻求帮助，你们会伸出援手。

结论

机器学习和深度学习是当今世界最具魅力的技术之一。并且这个领域的深度学习专家老是处于稀缺的状态。从职业前景来看，深度学习很是吸引人。

须要提醒的是，与计算机学科的其余领域不一样，深度学习的资源还不够丰富。不少时候你会遇到失败挫折，千万不要灰心丧气，你能够向更多人寻求帮助，不少人都愿意伸出援手，你们都在学习。

关于机器/深度学习，有一个误解是须要计算机科学的背景才能学习。这不是真的，你确实须要一些编程的思惟才好入手，但也仅限于此。如今机器学习领域的不少专家，都来自其余研究领域。

若是你有计算机科学的背景，这是一个很是好的开始。但若是你出身其余学科，想要迎头遇上并不难。

感谢看到这里。

 

原做：Masum Hasan

问耕 编译整理

原做地址：

 

============================= End

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程