深度学习基础知识教程

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

深度学习基础知识教程

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"

深度学习基础知识教程 

 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
上一篇:微信小程序开发之——CSS动画


下一篇:Objective-C类