深度学习入门（一）——深度学习如何入门？
深度學習如何入門
- 五個月入門
- Part1: 從機器學習開始（兩個月）
- Part2: 涉足深度學習（1個月）
- Part3: 深度學習上手練（兩個月）
- 速成指南
- 我最多只有兩個月
- 我只有一個月
- 其他資源
- 結論
參考深度學習如何入門？，梳理一下深度學習入門的必經(jīng)之路，以便后續(xù)開展學習。
怎么入門機器/深度學習？
回答這個問題，最先要考慮的問題是：你有多少時間？
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(wěn)扎穩(wěn)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(xiàn)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。（以及，如果你確實時間有限，最后還有一個速成指南）
五個月入門
Part1: 從機器學習開始（兩個月）
最好的入門教程，就是吳恩達講授的機器學習。吳恩達這套課程發(fā)布很久了，雖然有些地方稍微過時，但相信我，現(xiàn)在沒有任何公開的課程，能比吳恩達講得更好。真的，課程結束時我?guī)缀蹩蘖顺鰜怼?/p>
這個課程可以說適合任何水平的學生，當然，你最好還是得知道兩個矩陣如何相乘，以及對編程有一些基本的了解。
如果你有時間，一定要聽完全部的課程。如果時間緊張，至少要聽完前五節(jié)課程，后面的可以暫時跳過。吳恩達的機器學習課程深入講解了經(jīng)典的機器學習模型，如線性回歸、邏輯回歸、神經(jīng)網(wǎng)絡、支持向量機、PCA、無監(jiān)督學習等等。大部分重要概念，都以簡單易懂的方式進行了介紹。
當你學習到第五節(jié)課，也就是開始講述神經(jīng)網(wǎng)絡時，建議開始查看與課程平行的外部資料。比方3bule1brown推出的神經(jīng)網(wǎng)絡講解視頻。推薦必看。傳送門
以及，我覺得吳恩達在講神經(jīng)網(wǎng)絡時有點快，所以建議補充閱讀一些資料。比如有關神經(jīng)網(wǎng)絡和深度學習的在線書籍，免費的就很好了。傳送門
作者Michael A. Nielsen以一種簡單直觀的方式，深入探究了神經(jīng)網(wǎng)絡的每個細節(jié)。建議閱讀這本書的前兩章，與吳恩達的課程并行。當你熟悉更多概念后，開始搞深度學習時，可以再看書中的其余部分。
如果你英文不好，這本《神經(jīng)網(wǎng)絡與深度學習》也有中文翻譯版本，可以免費在線查看。
這個部分的學習結束之后，你就能明白機器/深度學習的許多概念。最后推薦閱讀Christopher Olah的博客，很有意思。
Part2: 涉足深度學習（1個月）
開始研究深度學習之前，最好重溫一下大學數(shù)學。Ian Goodfellow傳奇般的“花書”《深度學習》，簡明扼要的概括了大部分重要主題。
建議大家盡可能深入地閱讀線性代數(shù)、概率、信息理論的章節(jié)。每當讀論文遇到深度學習概念時，都可以在書中找到參考。
關于深度學習的在線資料有很多，你可能會挑花了眼。
再一次，我覺得最好的選擇，還是聽吳恩達的《深度學習專項系列課程（Deep Learning Specialization）》。
這門課程包括五大章節(jié)。其實不是免費的，你可以按照50美元/月購買。當然，如果你負擔不起，還能申請“助學金”。申請時請詳細闡明理由，處理的時間大概需要15天左右。
當然不付費，大部分內(nèi)容都是可以看的。以及視頻的部分，在很多地方也能免費收看。
這五門課程主要講的是：
1、神經(jīng)網(wǎng)絡和深度學習（4周）
2、改善深度神經(jīng)網(wǎng)絡（3周）
3、結構化機器學習項目（2周）
4、卷積神經(jīng)網(wǎng)絡（4周）
5、序列模型（3周）
前三門課程涉及一般的神經(jīng)網(wǎng)絡和深度學習，第四、第五門課程涉及特定主題。如果你打算搞視覺，第四課必聽；如果你搞NLP、音頻等，第五課必聽。但如果你需要聽第五課，那么建議也把第四課好好聽一下。
這里鼓勵大家一下，課程里每周的內(nèi)容，實際上一兩天就能學完，所以不要被課程表嚇倒。勞逸集合、提升效率。
學到這個地步，其實就可以再去http://neuralnetworksanddeeplearning.com/ ，查看第三到第六章的內(nèi)容，來強化你的概念。如果你有什么還沒搞懂的，請前往Olah的博客。
以及，這時候你要開始看深度學習的論文了，從中學習知識。深度學習有個強烈的特點，那就是內(nèi)容都非常新，閱讀論文是跟上時代唯一的方法。不想被拋下，那么還是養(yǎng)成閱讀論文的好習慣吧。
Part3: 深度學習上手練（兩個月）
學到這里，你應該對機器學習和深度學習中的大多數(shù)概念有了正確的理解，現(xiàn)在是時候投入沸騰的實際生活中了。
練手深度學習，最好的資源在fast.ai。
他們在流行的深度學習工具PyTorch上構建了一個庫，只需要幾行代碼，就能實現(xiàn)世界級的性能。
fast.ai的理念有點不同。吳恩達等老師的教授方法是自上而下，先講再做。而fast.ai倡導自下而上，先做再講。
所以在他們的課程中，第一節(jié)就帶你建立一個強大的圖像分類器。自己訓練模型的快感，刺激著你去完成其余的課程。
除此以外，還要推薦兩門課。
斯坦福大學的CS231n和CS224n。CS231n專注于計算機視覺的深度學習，而CS224n專注于序列建模。
此前的課程，網(wǎng)上也有中文字幕版本，大家可自行搜索。
到這里，為期五個月的機器/深度學習入門就結束了。
希望大家都能穩(wěn)扎穩(wěn)打，夯實基礎。
以及最后，兌現(xiàn)一個開頭的承諾。如果你確實時間很緊張，必須盡快入門機器/深度學習，那么請繼續(xù)往下看。
速成指南
我最多只有兩個月
1、完成吳恩達機器學習課程的前五周，要做編程練習。
2、看完3Blue1Brown的視頻。
3、完成吳恩達的深度學習專項系列課程，做練習。
4、如果你想搞圖像，看專項課程第四講，搞NLP或序列數(shù)據(jù)，看第五講。
5、搜索你感興趣的開源實現(xiàn)。如果你還沒想好用什么語言，推薦Keras。然后根據(jù)需要，再遷到TensorFlow或者PyTorch框架。
我只有一個月
想要在30天完成入門超級困難。除非，你只是想了解機器學習的工作原理，然后應用到自己的項目中。
如果是這樣的話，速成建議如下：
1、略讀吳恩達機器學習課程第1-5周的課程，只看視頻，掌握概念即可。第三周可以跳過MATLAB/Octave課程。
2、看完3Blue1Brow的視頻。
3、略讀吳恩達深度學習專項系列課程的第一課，也就是神經(jīng)網(wǎng)絡和深度學習。
4、如果你想做圖像處理項目，看一下Nielsen書中的第六章。如果你需要序列建模的一些想法，可以看看Olah的博客。
5、Siraj Raval拍了很多有趣的視頻，涉及大多數(shù)機器/深度學習的主題。傳送門在此。
6、搜索跟你感興趣的開源實現(xiàn)，隨時調整以滿足你的需求。如前所述，我推薦你先用帶有TensorFlow后端的Keras語言。
其他資源
YouTube上有一個兩分鐘讀論文的系列視頻，可以幫你快速了解全球深度學習的最熱門進展。
如果你關注進機器學習領域的進展，Twitter是個絕佳的工具。
遇到困境的時候，記得reddit和Facebook上有很多志同道合的人，不要猶豫，在社區(qū)里尋求幫助，大家會伸出援手。
結論
機器學習和深度學習是當今世界最具魅力的技術之一。而且這個領域的深度學習專家總是處于稀缺的狀態(tài)。從職業(yè)前景來看，深度學習非常吸引人。
需要提醒的是，與計算機學科的其他領域不同，深度學習的資源還不夠豐富。很多時候你會遇到失敗挫折，千萬不要灰心喪氣，你可以向更多人尋求幫助，很多人都愿意伸出援手，大家都在學習。
關于機器/深度學習，有一個誤解是需要計算機科學的背景才能學習。這不是真的，你確實需要一些編程的思維才好入手，但也僅限于此。現(xiàn)在機器學習領域的很多專家，都來自其他研究領域。
如果你有計算機科學的背景，這是一個非常好的開始。但如果你出身其他學科，想要迎頭趕上并不難。
總結
以上是生活随笔為你收集整理的深度学习入门（一）——深度学习如何入门？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： c语言写法方法加_void,c语言加法程
- 下一篇： 一天搞懂深度学习--深度学习简介