入坑AI一路过来走过的弯路和思考

本文用来记录自己走过的一些弯路和一些坑,仅用于娱乐

书籍篇

  1. 统计学习方法(完整看完了)
  2. 西瓜书(就翻了翻)
  3. 神经网络与深度学习(翻了几遍,写的过于简略了,用来了解DL面貌挺好)
  4. 深度学习花书(看完了前两部分)
  5. 机器学习实战蜥蜴书(刚开始看的,懵懵懂懂敲了SVM之前的)
  6. 数学之美(科普)
  7. Python数据科学手册(网上都有,没什么必要买)
  8. Pytorch深度学习实战(垃圾书)
  9. 深入浅出Pytorch(不如看官方文档)
  10. 机器学习的数学(有用,但是过于简略)
  11. 演化学习(还没看)
  12. PRML(考上研究生再说)
  13. 机器阅读理解(看了一部分,是NLP里的小方向,作者很厉害,挺好一本书)
  14. 机器学习算法竞赛实战(讲的还可以,但是书中代码过于混乱了,不知道怎么跟着敲)
  15. 知识图谱 - 方法,实践与应用(正在看,应该是本好书)
  16. 自然语言处理综述(自己打印的英文原版,大而全,想了解哪个方向看哪章即可)
  17. 动手学深度学习(第一版只有MXNet的代码遂吃灰,但是沐神的第二版加上还有讲课真的绝,最适合用来入门深度学习的书籍配套课程没有之一)

以上排名不分先后

总结:要我回到初学重新入门的话,我会选择优先看 统计学习方法(了解机器学习),神经网络与深度学习(了解深度学习),看沐神的动手学深度学习2(自己跑一些小demo),深度学习花书(加深对DL的理解,一些很深刻而简单的思想)

课程篇

  1. 机器学习 - Andrew Ng.(最简单友好的入门课程)
  2. 数据挖掘 - 清华大学袁博 (了解了最经典的机器学习和数据挖掘算法)
  3. CS231n - Feifei Li(入门CV,只看完了课,作业当时太难做不下)
  4. CS224n - Chris Manning (入门NLP,看了前一半)
  5. 动手学深度学习2 - 李沐(绝对的良心课程,最适合入门DL没有之一)
  6. 深度学习 - Andrew Ng. (很好的DL入门课程,深入浅出)
  7. 白板推导系列 (清华大佬手撸PRML,看了一部分,讲的很好)
  8. Hugging Face Course (抱抱脸的官方教程,教你怎么上手使用抱抱脸的全套工具来跑nlp模型)
  9. Pytorch 入门课程

总结:因为自己的原因大部分课程都没有完整的完成,最为推荐的是先看Ng的机器学习,然后看沐神的动手学深度学习,自己多敲一敲代码不理解的地方去认真细心看文档,多看看自然就会了,然后早点开始学抱抱脸的课程快速上手nlp,代码跑起来提起兴趣很重要,一直看书太枯燥

论文篇

以下几篇都是沐神视频带精读的,也是最重要的

  1. Transformer(神作,不用多说)
  2. Bert(同样是神作)
  3. GPT
  4. Vit
  5. MAE

老老实实敲代码,老实读论文,努力考研

上一篇:html--基础知识(列表排序ul,ol,dl)


下一篇:【DL】搭建属于自己的GPU深度学习环境