[深度基础]·小白如何快速入门深度学习

[深度基础]·小白如何快速入门深度学习

个人主页--> https://xiaosongshine.github.io/ 

随着近年深度学习的兴起,很多研究者都投入这个领域当中,由于各个大学都将自己的课程放到了网上,出现了很多学习资源和网络课程,而且很多大公司如 Google.Facebook 都将 自己的开源框架放到了 Github 上,使得深度学习的人门越来越简单,很多麻烦的重复操作已经通过框架简化了 ,这也让我们每个人都能有机会接触深度学习 。

网上有各种各样的学习经验分享,有的人注重理论知识的积累,看了很多书,但是 动手实践的经验为 0; 也有 一 些人热衷于代码的实现,每天学习别人已经写好的代码 。 对于这两种情况,我认为都是不好的,深度学习是理论和工程相结合的领域,不仅仅需 要写代码的能力强,也需要有理论知识能够看懂论文,实现论文提出来的新想法 ,所以我们的学习路线应该是理论与代码相结合,平衡两边的学习任务,不能出现只管-边 而不学另外 -边的情况,因为只有理论与代码兼顾才不至于一旦学习深入,就会发现自己会有很多知识的漏洞。

在入门深度学习领域之前,需要一定的 Python语言基础和微积分、线性代数的基础,下面将给出的学习建议,以及继续深入了解深度学习领域的学习建议 。

对于微积分和线性代数需要掌握的知识并不多.对于做积分只需要知道导数和偏导数,对于线性导数只需要知道矩阵乘法就可以了 。

编程基础

对于 Python语言,给出三个学习资源,学完第一个学习资源之后就可以开始深度学习编程,后续的两个学习资源帮助你更深入地了解 Python 语言及其数值计算。

( 1 ) 《笨方法学 Python》

本书面向零基础的学者,通过-系列简单的例子'快速人门 Python 的基本操作。

( 2 ) 廖雪峰的 Python 人门
这个系列教程可用来更全面地学习 Python,掌握前几章的 Python基础即可,后面讲授的部分是更为专业的 Web 开发的内容,对于机器学习而言不需要掌握这些部分 。

( 3 ) Edx: JntroductÎon (0 Computer Science and Programming Using Python

这是 MIT 的公开谍,以 Python 作为人门语言,简洁、全面地讲述了计算机科学的内容,适合更进一步的学习。

理论基础

( 1)线性代数

线性代数相当于深度学习的基石,深度学习里面有着大 量 的短阵运算,而且线性代 数的 一 些矩阵分解的思想也被借鉴到了机器学习中,所以必须熟练掌握线性代数 。 可 参考以下资游、学习:

• 《线性代数应该这样学》

• MIT 的线性代数公开课

• Coding The Mαtrix

( 2 )机器学习基础

虽然深度学习现在很火,但是也需要掌握其根本,即机器学习,这才是本质与核心 。 这里的学习资源从易到难排列:

• Coursera 上 AndrewNg 的机器学习入门课程

• 林轩国的机器学习基石和机器学习技法

• Udacity 的机器学习纳米学位

• 周志华著的 《机器学习 》

• 李航著的《统计学习方法 》

• Pattern Recognition and Machine Learning

( 3 )深度学习

这是最近几年最为活跃的研究领域,爆发了很多革命性的突破,很多前沿的学习资源,如:


• Udacity 的两个深度学习课程

• Coursera 的 Neural 入{etworksfor Machine Learning

• Stanford 的 cs231n

• Stanford 的 cs224n

posted @ 2019-03-26 21:55 小宋是呢 阅读(...) 评论(...) 编辑 收藏