本文主要分享一些深度学习入门的学习途径,同学们共同进步呀!
首先说下学习深度学习必备技能:
Python、高等数学(现代、微积分)、英文文献阅读、查找资料(博客、论坛、Git)
个人认为如果以前没学习过python也没关系,有其他语言基础的情况下再去学习一门新语言其实不是很困难,首先了解其语法快速入门,后续慢慢进阶即可。
1、博客
零基础入门深度学习(1) - 感知器 - 作业部落 Cmd Markdown 编辑阅读器
推荐理由:分七部分进行介绍,重点突出,快速入门 每一期都附带详细代码演示 讲解浅显易懂,适合零基础学习
2、吴恩达视频教程
推荐理由:讲解的是机器学习,知识体系更加系统,包括机器学习的一般程序和方法,包括数据预处理,超参数调优等 适合掌握了一定基础以后学习
3、书籍推荐
《机器学习》周志华编著,俗称 "西瓜书"
4、论文阅读
对于学生阶段大量阅读英文文献本身就是一项必备技能,需要长久坚持,可以了解最前沿的研究成果和行业动态。 推荐几个公众号:机器之心、量子位、PaperWeekly,如果有好的论文发布,这些公众号都会及时转载。
5、常用术语中英文对照
- 机器学习 Machine Learning
- 深度学习 Deep Learning
- 深度强化学习 Deep Reinforcement Learning
- 神经网络 Neural Network
- 卷积神经网络 Convolutional Neural Network(CNN)
- 循环神经网络 Recurrent Neural Network(RNN)
- 卷积层 Convolution Layer
- 平均池化 Average-Pooling 最大池化 Max-Pooling
- 批标准化 Batch Normalization(BN)
- 激活函数 Activation Function
- 全连接层 Fully Connected Layer
- 多层感知器 Multilayer Perceptron
- 学习率 Learning Rate
- 前向传播 Forward Propagation 反向传播 Backpropagation
- 损失函数 Loss Function
- 交叉熵损失 Cross-Entropy Loss
- 梯度 Gradient
- 随机梯度下降 Stochastic Gradient Descent(SGD)
- 泛化能力 Generalization Ability
- 欠拟合 Underfitting 过拟合 Overfitting
- 语义分割 Semantic Segmentation
- 目标检测 Object Detection
- 监督学习 Supervised Learning 无监督学习 Unsupervised Learning
- 特征检测 Feature Detection
- 端到端学习 End-To-End Learning
- 多任务学习 Multitask Learning
- 迁移学习 Transfer Learning
- 微调 Fine Tune