1. 程式人生 > >如何入門深度學習?

如何入門深度學習?

如果你沒有學過那些數學課,網上也有很多免費的學習材料可以用來學習必要的數學知識。Gilbert Stange的線性代數課程很適合入門。對於其他科目,edX上有MIT的微積分概率論課程。

如果想學習更多關於機器學習的東西Andrew Ng在Coursera上的機器學習課程是最佳入門選擇。除此之外,Yaser Abu-Mostafa的機器學習課程更關注理論,但也很適合初學者。學習深度學習並不要求掌握機器學習,但如果能有一些瞭解的話還是很有幫助的。此外,學習經典的機器學習,而不僅僅是深度學習,能讓我們有深厚的理論背景————因為,深度學習並不總是最佳方案。

CS231n並不是線上深度學習課程的唯一選擇
Geoffrey Hinton的Coursera課程『用於機器學習的神經網路』(Neural Nerworks for Machine Learning)涵蓋了諸多內容,Hugo Larochelle的『神經網路課』(Neural Networks Class) 也是如此。這兩門課都有視訊材料。Nando de Freitas的線上課程也帶有視訊、幻燈片和家庭作業。

如果你不喜歡看視訊,而是更喜歡閱讀《神經網路和深度學習》(Neural Networks and Deep Learning)是一本為深度學習的初學者撰寫的線上免費書。《深度學習之書》(The Deep Learning Book)
也是一本很讚的免費書,不過內容略高階一點。

有了基礎知識之後,還可以往這些方面發展:
幾乎上述所有的深度學習材料都或多或少的涉及到計算機視覺(Computer Vision)
遞迴神經網路(Recurrent Nerual Networks)是用於解決諸如機器翻譯和語音識別之類的問題的神經網路模型的基礎。Andrej Karpathy關於RNN的部落格文章可以幫你學習它。Christopher Olah的部落格上有一篇文章用非常形象生動的方式解釋了很多深度學習的概念。他關於LSTM網路的文章是一篇很不錯的導論,LSTM是一種應用廣泛的RNN變體。
自然語言處理CS224d課程介紹了深度學習在自然語言處理中的應用。更高階的課程來自
Kyunghyun Cho
(這裡有課堂筆記)和Yoav Goldberg
增強學習:如果你想要控制機器人,或者是在圍棋比賽上戰勝人類,增強學習或許是最佳選擇。Andrej Karpathy關於深度增強學習的部落格文章可以幫你入門。David Silver最近也發表了一篇介紹深度增強學習的短文章