深度學習自學指南:6個月,從基礎知識到模型構建

原作:Bargava

安妮 編譯自 Medium

量子位 出品 | 公眾號 QbitAI

給你6個月的時間開始學習深度學習,能夠達到怎樣的程度?

在這篇文章中,數據科學培訓老師Bargava就帶你半年入門深度學習。

在這份攻略中,我將給大家講講零基礎入門深度學習可行性強的資料和學習方法。當然,雖說的零基礎,但也有一個小門檻,你需要滿足以下條件:

  • 在接下來的6個月中,每周花費10-20小時學習
  • 已經具備一些編程技巧,懂一些Python和雲的基礎知識
  • 有一些數學基礎(代數、幾何等)
  • 有一台計算機,並且能聯網

量子位在這裡補充一句,想入門的小夥伴也可以現在開始準備英語了,畢竟……這些課程都是英文的。

第一階段

如果想學開車,應該坐上車通過模擬真實開車環境學習,而不是首先了解內燃機和離合器的工作原理。學習深度學習亦是如此,我們需要遵循這種自上而下的學習方法。

推薦fast.ai上的教程Practical Deep Learning for Coders—Part 1。這個課程需要學習4到6周的時間,並且包含一個雲端運行代碼的session。

不如就從這個課程開始入手吧。

當然,也有一些其他不錯的服務平台可供你選擇,包括Paperspace、亞馬遜AWS、谷歌雲平台(GCP)、Crestle和Floydhub等。

但切記,現在還沒到開始構建模型的時候。

Practical Deep Learning for Coders地址:

fast.ai/

第二階段

是時候了解一些基礎知識了。在這個階段,你需要學習微積分和線性代數。

MIT的Big Picture of Calculus課程可以幫你快速概覽微積分基礎知識。

對於線性代數,MIT知名教授Gilbert Strang的OpenCourseWare是個不二選擇。

學習完上面兩門課程後,推薦你閱讀舊金山大學科學家、fast.ai聯合創始人Jeremy Howard的Matrix Calculus For Deep Learning。

Big Picture of Calculus地址:

ocw.mit.edu/resources/r

OpenCourseWare地址:

ocw.mit.edu/courses/mat

Matrix Calculus For Deep Learning地址:

parrt.cs.usfca.edu/doc/

第三階段

經過前面兩個基礎夯實階段,現在我們有時間貫徹上面提到的自下而上學習法了。

這個階段推薦大家修一下Coursera上的Deep Learning專項課程,裡面包含5門吳恩達創立的deeplearning.ai的課程。

Coursera上「微專業」獲取方式和大學修展業很相似,學習課程後也需要完成相關作業。但講真你值得修一個專業。

理想情況下,根據你目前的學習基礎,完成一門課程需要花費一周時間。

deeplearning.ai課程地址:

coursera.org/specializa

第四階段

只學習不會玩,聰明的小孩也會變傻。

現在是時候了解深度學習庫了,TensorFlow、PyTorch和MXNet等都需要去了解一下,並且可以為你喜歡的問題從頭開始構建架構了。

到這裡我們可以發現,前三個步驟是在理解深度學習是什麼,從第四步開始,你需要學習從頭開始實現一個項目,並學習利用各種工具構建模型。

第五階段

現在,可以去剛剛提到的fast.ai課程的第二部分看看了,也就是Cutting Edge Deep Learning for Coders這一課。這裡面包含的問題更高級,你將學習閱讀最新的研究論文並且學習去理解它們。

上面的每個階段都需要4至6周的時間去理解它們。當你按照上面的方法學習了26周後,你會打下堅實的深度學習基礎。

Cutting Edge Deep Learning for Coders課程地址:

course.fast.ai/part2.ht

下一站

之後,你可以學習斯坦福的CS231n: Convolutional Neural Networks for Visual Recognition和CS224d: Deep Learning for Natural Language Processing兩門課程了,它們對視覺和NLP的講解比較深度透徹。

如果有時間,還推薦你讀讀這本Deep Learning,對鞏固理解很有幫助。

CS231n課程地址:

cs231n.stanford.edu/

CS224d課程地址

cs224d.stanford.edu/

Deep Learning電子書地址:

deeplearningbook.org/

鑽研深度學習是一件樂事,用你的每一天去創造吧。

最後,附原文鏈接:

medium.com/@bargava/how

歡迎大家關注我們的專欄:量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復「招聘」兩個字。

量子位 QbitAI · 頭條號簽約作者

?? ? 追蹤AI技術和產品新動態


推薦閱讀:

TAG:深度學習DeepLearning | 編程 | 自學 |