非計算機專業的學生如何入門深度學習?

本人北理工工科本科學生,對深度學習(圖像處理)方向很感興趣,做過一點點相關嘗試。如何系統的,深入的學習深度學習?


公開課:

  1. 吳恩達——《Machine Learning》
  2. 吳恩達——《Deep Learning Specialization》
  3. Jeremy Howard Rachel Tomas——《Fast.ai》
  4. 李飛飛、Anderj Karpathy、Justin Johnson、Serena Yeung——《cs231n》

本人基本是以以上公開課的順序學習的,當然會有交叉學習,上面的課程由淺入深,吳恩達的課是打基礎,學到fast.ai的時候已經能上手做真實項目了,學到cs231n就已經非常深入了。

基本上上手計算機視覺深度學習的知識後,選一個你感興趣的領域,接下來就是瘋狂閱讀論文,把這個領域的工作理清,知道這個領域的最前沿的效果如何,有什麼突破方向,看能否復現這些經典論文。再就是刷比賽,然後努力進一個強力實驗室選一個你喜歡的導師讓他帶你搞研究。

可以參考下我的另一個回答:人臉識別如何自學? - Professor ho的回答 - 知乎


首先高等數學、線性代數、概率論三大門中基礎知識要會一些。

其次是學習Python,各種教程另尋。把Python的基本語法搞通後,建議閱讀一下這本《利用Python進行數據分析》,學習一下幾個Python庫的用法。

然後,就跟著網易雲上吳大大的深度學習課程來學,英語水平差不多可以直接去Coursera旁聽,做作業什麼的方便,或者土豪一點可以付點費加入課程。

能踏踏實實把這些做完,應該足夠叫入門了深度學習吧。

獻上學習時做的筆記:

第一課:神經網路和深度學習

第二周:http://binweber.top/2017/09/12/deep_learning_1/

第一、三、四周:http://binweber.top/2017/09/25/deep_learning_2/

第二課:改善深層神經網路

第一周:http://binweber.top/2017/09/28/deep_learning_3/

第二、三周:http://binweber.top/2017/10/06/deep_learning_4/

TensorFlow:http://binweber.top/2017/10/14/deep_learning_5/

第三課:結構化機器學習項目

http://binweber.top/2017/11/09/deep_learning_6/

第四課:卷積神經網路

http://binweber.top/2017/11/15/deep_learning_7/

後面還在不斷更新中,沒有遵守吳大大的規則,有些筆記忍不住貼出了一些作業的代碼,想要學好,作業什麼的還是儘可能自己去思考,獨立完成吧,就這樣。


machine learning

deeplearning.ai,

cs231n

以上的網易雲課堂都有

還有台大李宏毅教授的課,強烈推薦,不過可能要梯子。

實踐的話可以順帶吧以上課程的課後習題做完,cs231n的作業好難啊!!


Coursera的吳恩達課程,經典而又使用無比。吳恩達作為一名ml老師,世界上,嗯說他第一有些可能有些誇張,但是我暫時還沒有想到比他好的老師。


西瓜書,你值得擁有~


推薦閱讀:

如何自學英文原版教材?
怎樣自學「學前教育」呢?
醫學生如何自學生物化學?
怎麼自學俄語,零基礎?

TAG:自學 | 計算機科學 | 深度學習DeepLearning |