知乎 | 機器/深度學習入門建議

2021-02-23 深度學習衝鴨

關注「深度學習衝鴨」，一起學習一起衝鴨！

設為星標，第一時間獲取更多乾貨

連結：https://zhuanlan.zhihu.com/p/33194897著作權歸作者所有，本文僅作學術分享，若侵權，請聯繫後臺刪文處理



！！文末附每日小知識點哦！！

後臺回復西瓜手推獲得西瓜書手推筆記

後臺回復CV入坑必備獲得CV入坑學習資料

視頻：（選一個喜歡的就行）

文檔教程：


還是推薦看莫煩的教程：

書籍的話推薦看看《利用Python進行數據分析》


建議觀看吳恩達老師的課程，可以看個兩三遍，乾貨很多。

機器學習實戰：cuijiahua.com/blog/ml/

參考書籍：

《統計學習方法》李航

吳恩達機器學習筆記：http://www.ai-start.com/ml2014/


1. 吳恩達深度學習

網易雲課堂（中字）傳送門：深度學習工程師微專業 - 一線人工智慧大師吳恩達親研-網易雲課堂 - 網易雲課堂（https://mooc.study.163.com/smartSpec/detail/1001319001.htm）

簡介：這應該是最好的入門教程了

神經網絡和深度學習

改善深層神經網絡：超參數調試、正則化以及優化

結構化機器學習項目

卷積神經網絡

序列模型

吳恩達深度學習筆記：http://www.ai-start.com/dl2017/

參考答案和資料：https://github.com/fengdu78/deeplearning_ai_books

作業的中文翻譯版本：https://blog.csdn.net/u013733326/article/details/79827273

2.斯坦福CS231n（Spring 2017）

CS231n: Convolutional Neural Networks for Visual Recognition（http://cs231n.stanford.edu/）

簡介：由李飛飛教授和她的學生們為我們帶來的計算機視覺（CV）課程。

【中文字幕】2017春季CS231n 斯坦福深度視覺識別課（https://mooc.yanxishe.com/course/268）


推薦書籍：陳雲《深度學習框架PyTorch：入門與實踐》：https://zhuanlan.zhihu.com/p/31712507

官方教程：http://pytorch123.com/

動手學深度學習：https://zhuanlan.zhihu.com/p/85353963

其他開源資料：https://github.com/zergtant/pytorch-handbook

https://github.com/TingsongYu/PyTorch_Tutorial

目標檢測：https://blog.csdn.net/songwsx/article/details/101753938

每天進步一丟丟

簡單來說，權重就是某個因素的重要程度，bias值其實就是一個閾值，只有當左邊部分不小於這個bias的時候，神經元的輸出才會為正。也有理解，這裡的bias是所選模型自帶的固有的誤差，因為選的模型必不可能是完美的，bias與數據無關，是模型自帶的。並且，在有些場合裡，bias的使用也沒有意義，比如在batch normalization層之前的層就沒必要加，因為會被歸一化抵消掉。



！重磅！【深度學習衝鴨技術交流二群】微信交流群已成立

額外贈送福利資源！南京大學《模式識別》PPT，2020最新版《神經網絡與深度學習》中文版pdf，李航老師《統計學習方法》（第2版）課件分享，周志華《機器學習》西瓜書手推筆記（V2.8）

獲取方式：進入群後點開群公告即可領取下載連結

相關焦點

  • 純新手入門機器/深度學習自學指南(附一個月速成方案)
    準備用三個月入門，和想要一個月速成，肯定是截然不同的路徑。當然我建議大家穩紮穩打，至少可以拿出五個月的時間來學好機器學習的基礎知識。基礎很重要，知其所以然很重要。畢竟工具總在進步，每個月都會出現更好的深度學習技術，但基礎知識是不變的。如何用五個月時間入門？下面分三個部分，詳細指南。
  • 如何自學機器學習?
    https://www.bilibili.com/video/av50747658它有19個小時，我看完它用了將近兩個月，我建議你也不要看的太急。當看完這些教程之後，你就對機器學習有了清晰的認知。接下來，你可以感性的認識一下深度學習，我同樣推薦Andrew的課。
  • 本科生如何自學機器學習?
    https://www.bilibili.com/video/av50747658它有19個小時，我看完它用了將近兩個月，我建議你也不要看的太急。當看完這些教程之後，你就對機器學習有了清晰的認知。接下來，你可以感性的認識一下深度學習，我同樣推薦Andrew的課。
  • 入門者的機器學習/深度學習自學指南
    尤其是深度學習的自學指南。林軒田教授的課程看似入門，實際上功力深厚。如果能把他將的內容和作業都融匯貫通，你的機器學習素養已經不低。數據挖掘方向的公開課。此外，還有一些機器學習的經典教材。中文機器學習的經典教材。看這本書需要看三遍，對下面列舉的其他書也是一樣。第一遍快速翻一遍，了解大致講了什麼，每章都是幹啥的。第二遍拿出紙筆推敲其中的公式細節。
  • 深度強化學習入門到精通--資料綜述
    其中，感知解決what，深度學習已經超越人類水平；決策解決how，強化學習在遊戲和機器人等領域取得了一定效果；認知解決why，知識圖譜、因果推理和持續學習等正在研究。強化學習，採用反饋學習的方式解決序貫決策問題，因此必然是通往通用人工智慧的終極鑰匙。
  • 深度學習(計算機視覺方向)小白入門的一些建議
    在我大概知道了這些以後，我發現我需要學習一門語言——python然後我就加了各種QQ群，問大家該如何學習，之後我選了一本python教材，名字我忘了就是什麼零基礎入門什麼的，後來我發現直接去菜鳥教程網站看就可以了，把基礎的看一下，如果你是計算機專業的或者之前編過程序，那應該很快就看完了，建議直接學python3，網站地址：Python 基礎教程 | 菜鳥教程。
  • 普通程式設計師如何入門深度學習?
    什麼是深度學習？這是機器學習的一個子領域，近年來表現出了很大的潛力。它涉及到大腦中神經元結構和功能的算法。Andrew Ng 曾用下圖對比說明傳統機器學習算法和深度學習算法的特點。從圖中可以看出，隨著數據的增多，到達一定量後，深度學習算法的表現會明顯優於傳統的機器學習算法。
  • AI | 怎樣快速入門機器學習和深度學習?
    編者按：入門機器學習和深度學習並不是一件容易的事情。需要學習大量的知識，初學者常常會迷茫不知所措。現在我們給你帶來一篇純乾貨，幫助你入門機器學習和深度學習。機器學習算法書籍：《統計學習方法》：李航博士的經典教材。用最精煉的語言描述機器學習算法，轉行AI必讀書籍《機器學習》：周志華教授的西瓜書。統計學習方法涵蓋面太窄，配合西瓜書來擴展寬度。《python機器學習及實現》：適合入門，學習曲線平滑，理論書看累了，就跟著這本書打一遍代碼，對kaggle就會大致的了解。
  • 在知乎上學 Python - 入門篇
    這一篇主要針對的是零基礎或初學Python，包括學習的路線、方法建議，推薦的教程、資源等。而像爬蟲、數據分析、機器學習等進階內容將會在後續的文章給出。本文僅為知乎內資源的索引，不包含外部資源。但在這些回答和文章中，你會找到足夠豐富的學習資源。內容的篩選有一定主觀性，也難免會有遺漏。
  • 深度學習的中文資源,教程推薦!
    python零基礎開始，推薦廖雪峰python教程，2，3自選《機器學習實戰》入門必備，不難，容易上手，而且可以增加興趣，缺點：理論不夠深入《機器學習》西瓜書，《統計學習方法》理論上的經典，理論詳細又深入，真的值得一看。缺點：有點枯燥，建議結合機器學習實戰。先來代碼，我始終覺得，若理論很枯燥，那先用代碼來提提興趣。
  • 經驗貼 | 深度學習(計算機視覺方向)小白入門的一些建議
    對於linux的學習，如果之前沒用過ubuntu，建議去了解一下基本的系統操作和命令就好，比如cd，sudo，rm，clone，git什麼的，因為之後的一些命令也是別人告訴你或者上網查，不用一下全記住，如果你要深入學的話，那就自己去找找教程吧。
  • 附pdf下載 | 入門Python和深度學習的經典書
    當下Python和深度學習為代表的人工智慧AI技術非常火熱，正深刻影響著人類社會的方方面面。
  • 如何搭建你自己的「深度學習」機器?
    對於那些不能深度學習功能的GPU，本文將會一步一步的教大家如何構建一個自己的深度學習機器。深度學習系統本質上是在另一臺電腦上安裝一個具有深度學習的GPU。GPU是普通計算機和深度學習機器的主要區別。首先，檢測下你的GPU型號是否有在這個網站中列出，繼續閱讀下文，你就會知道如何用小於$1.5k的花費來裝備你的機器。
  • 深度學習 Python 入門與實戰
    課程簡介：如今，深度學習發展迅速，其影響力也越來越大，在機器視覺、語音識別、機器翻譯等領域都取得了前所未有的發展
  • 微信監控機器學習、深度學習訓練過程
    作者：McGrady個人博客：http://mcgrady.cn/訓練複雜的機器學習、深度學習模型
  • 機器學習應用深度剖析
    深度學習算法是人工神經網絡的更新。他們更關心構建更大更複雜的神經網絡。下面這個PPT展示的是如何利用機器學習的方法來做數據管理，尤其是元數據管理。例如，現在正在利用機器學習、人工智慧、深度學習來使物聯網設備和服務更智能、更安全。在任何情況下，由於機器學習和人工智慧需要大量的數據才能有效地工作，這兩者的優勢是雙向的，這正是物聯網傳感器和設備網絡所提供的。例如，在工業環境中，製造工廠的物聯網網絡都可以收集運營和性能信息，然後由人工智慧系統進行分析，以提高生產系統的性能、支持效率並預測機器何時需要維護。
  • 利用Python進行深度學習的完整入門指南(附資源)
    如果你有興趣了解關於深度學習的最新趨勢，本文是一個很全面的匯總。在這裡，我們的目標是為新手和想進一步探索深度學習的人們提供一個學習路徑。那麼，你準備好踏上徵服深度學習的徵程了嗎？我們上路吧。步驟0：出徵準備建議在進入深入學習領域之前，應該了解機器學習的基本知識。
  • 【下載】人工智慧與深度學習最好的入門資源
    來源：blog.digitalmind，新智元譯者：胡祥傑【導讀】此列表包含了人工智慧和深度學習最好的入門資源
  • 12本深度學習書籍推薦:有入門,有深度
    最後開始介紹深度學習。如果你是一個有抱負的學生想要掌握深度學習並深入研究，或者你想教授深度學習課程，那麼這本書肯定會對你有幫助。這本書可能是目前關於深度學習最全面的圖書。從對機器學習的高度概括中，逐步深入到神經網絡的細節。本書要求的數學沒有超過中學水平多少，但是確實包括了微積分的一些介紹，並以儘可能讓更多人能懂的方式加以解釋。整本書分為兩大部分。第一部分主要將想法和理論，第二部分則側重實踐。在第二部分，你將學習 Python 語言，並逐步建立自己的一個能夠識別數字的神經網絡。
  • 手把手教你搭建自己的深度學習機器
    目前，我們已經可以很快的處理超大計算量的問題——這多虧了GPU，GPU最初就是用於快速生成高解析度計算機圖像，由於它的計算效率使得其非常適合用於深度學習算法。原先需要用好幾周才能分析出來的結果，現在幾天時間就能完成。雖然現在的計算機都有GPU，但是並不是所有的GPU都適合用來進行深度學習。