致深度學習的入門者與小白的一份學習清單
微信公眾號
關鍵字全網搜索最新排名
【機器學習演算法】
:排名第一
【機器學習】
:排名第二
【Python】
:排名第三
【演算法】
:排名第四
源
| DL4J
文末獲取電子版下載方式
本篇文章寫給走在深度學習大門前徘徊以及正在深度學習的康庄大道上前行的小夥伴,希望可以助你一臂之力。
寫在前面的,之前推送過的資源 | 26份機器學習視頻資源,涵蓋入門->中級->項目的各個階段!(可直接下載......)裡面分享給大家一些列的學習視頻,包含的東西多且雜,沒有形成學習的先後順序。本篇文章是基本按照學習的先後順序進行寫的。其次,每個人的學習習慣不一樣,本文只是給以一個學習的建議,具體學習根據自己的習慣進行,歡迎大家留言區分享自己的學習經歷,勿噴~
具體的入門方式取決於你已經掌握的知識。
要理解並應用深度學習,必須先掌握線性代數、微積分和統計學,還應當具備編程及機器學習的知識。
以下是相關學習資源的列表。本文中的段落大致按學習的順序排列。可能部分鏈接的訪問需翻牆!
春節還在學習的你簡直就是一股清流
好東西要分享哈
歡迎投至朋友圈
免費的機器學習和深度學習網路課程
Coursera上的機器學習課程,Andrew Ng主講
https://www.coursera.org/learn/machine-learning/home/info(可下載)
Coursera上的神經網路課程,Geoff Hinton主講
https://www.coursera.org/learn/machine-learning/home/info(可下載)
MIT人工智慧導論,Patrick Winston主講(供希望了解人工智慧概況的用戶參考。)
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/
斯坦福卷積神經網路課程,Andrej Karpathy主講(供希望了解圖像識別的用戶參考。)
https://cs231n.github.io/(可下載)
ML@B: 機器學習課程 1
https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/
ML@B: 機器學習課程 2
https://ml.berkeley.edu/blog/2016/12/24/tutorial-2/
數學
理論: 通過可視化介紹概率和統計學
http://students.brown.edu/seeing-theory/
吳恩達第六課程:線性代數
https://www.youtube.com/playlist?list=PLnnr1O8OWc6boN4WHeuisJWmeQHH9D_Vg
Khan 學院的線性代數課程
https://www.khanacademy.org/math/linear-algebra
線性代數和機器學習; Patrick van der Smagt
https://www.youtube.com/watch?v=ZumgfOei0Ak
美國卡耐基梅隆大學的>線性代數
https://www.cs.cmu.edu/~zkolter/course/linalg/outline.html
機器學習的數學
https://www.umiacs.umd.edu/~hal/courses/2013S_ML/math4ml.pdf
沉浸線性代數
//immersivemath.com/ila/learnmore.html
概率秘籍
https://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf
最好的線性代數書
https://begriffs.com/posts/2016-07-24-best-linear-algebra-books.html
解密馬可夫鏈
http://setosa.io/ev/markov-chains/
機器學習MCMC介紹
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.13.7133&rep=rep1&type=pdf
編程
如果您還未掌握如何編程,建議從Python或Ruby的開始,學習這兩種語言更容易掌握編程的基本理念。
《笨辦法學Python》
https://learnpythonthehardway.org/
慢慢一步一步學習Python
https://learnpythonthehardway.org/
Pyret: Python學習環境
https://www.pyret.org/
Scratch:麻省理工學院的視覺編程環境
https://scratch.mit.edu/
《Learn to Program (Ruby)》
https://pine.fm/LearnToProgram/
命令行入門教程
https://learncodethehardway.org/unix/
命令行補充教程
https://www.learnenough.com/command-line-tutorial
Vim教程與基礎知識(Vim是一種基於命令行的編輯器。)
https://danielmiessler.com/study/vim/
計算機科學導論(哈佛edX課程CS50)
https://www.edx.org/course/cs50s-introduction-computer-science-harvardx-cs50x
《計算機基本原理淺析》
https://marijnhaverbeke.nl/turtle/
原文地址:https://deeplearning4j.org/cn/deeplearningforbeginners.html
春節還在學習的你簡直就是一股清流
好東西要分享哈
歡迎投至朋友圈
近期熱文
資源 | 26份機器學習視頻資源,涵蓋入門->中級->項目的各個階段!(可直接下
載......)
機器學習(37)之矩陣分解在協同過濾推薦中的應用
資料 | 美圖區域鏈白皮書(附PDF鏈接)
手冊 | Linux 運維人員最常用 150 個命令匯總
機器學習(36)之協同過濾典型演算法概述【精華】
機器學習(35)之PrefixSpan演算法原理詳解
2017年度盤點:Github上十大有趣的機器學習項目(文末有驚喜......)
加入微信機器學習交流
群
請添加微信:guodongwe1991
備註姓名-單位-研究方向
廣告、商業合作
請添加微信:guodongwe1991
(備註:商務合作)
回復關鍵詞
20180220
即可下載電子版