【乾貨】我是怎麼用四個月時間速成全棧機器學習的

04-03

【編者按】Jason Carter曾是一名多倫多軟體工程師，2017年初，為了進入深度學習這一新興領域，他辭職，展開了為期4個月的全日制學習，並為自己設計了一份具體的學習計劃，最終他根據計劃，掌握了全棧機器學習工程師的技術。智能觀整理了他的自學計劃，分享給大家。

從谷歌的「深度學習研究路徑」，可以發現一長串建議、方法、課程、數學書、項目等，以便成為機器學習中的「專家」。但我真正需要的是一份具體的學習時間表。

首先講一下我學習四個月的基礎：我有一個軟體工程學位和一份優達學城納米級數據分析師認證。此外，除了擁有工作經驗，我還是一名開發者和分析師。

再談一下這四個月我的學習時間安排：這段時間，我一直全身心的投入在學習上，盡量保證每天學習10-14小時。

學習日程

第1個月

1.深度學習 - 第1部分（4-7周）

http://dwz.cn/6iEFC7

2.參加Kaggle競賽

https://www.kaggle.com/

3.分享經驗到medium

4.參加本地組織的學術專題討論會（一般性AI討論）

第2個月

1.深度學習-第1部分（4-7周，完成）

http://dwz.cn/6iEFC7

2.從零開始構建深度學習框架

http://dwz.cn/6iEGT2

3.MNIST對抗挑戰（使用「500px interview」項目作為實踐）

http://dwz.cn/6iEHsw

4.「數據科學家與Python」職業培訓營：DataCamp（開始）

https://www.datacamp.com/tracks/data-scientist-with-python

5.分享經驗到medium

6.參加本地組織的學術專題討論會（AI講座和小組討論）

第3個月

1.深度學習 - 第2部分（開始+暫停）

2.「數據科學家與Python」職業培訓營：DataCamp（完成）

https://www.datacamp.com/tracks/data-scientist-with-python

3.吳恩達的機器學習課程：Coursera（完成）

4. 分享經驗到medium

5.更多本地組織的學術專題討論會（DeepLearning：TensorFlow和Kubernetes）

https://medium.com/@deeplearni.ng

第4個月

1.深度學習，第2部分（開始）

2.Capstone：構建和部署端到端深度學習產品（開始）

3.分享經驗到medium

閱讀清單

課程：

1.Deep Learning-Part 1: MOOC version and USF, Data Institute: Deep Learning-Part 1 from the company Fast.ai

http://course.fast.ai/；https://www.usfca.edu/data-institute/certificates/deep-learning-part-one

2. Data Scientist with Python track - DataCamp

https://www.datacamp.com/tracks/data-scientist-with-python

3. Machine Learning by Stanford University-Coursera

https://www.coursera.org/learn/machine-learning

視頻：

1. Deep Learning Demystified

https://youtu.be/Q9Z20HCPnww

2. How Convolutional Neural Networks work

https://youtu.be/FmpDIaiMIeA

書、論文、文章、博客：

1.Neural Network Architectures

http://dwz.cn/6iEHPU

2.A Neural Network in 11 lines of Python

http://iamtrask.github.io/2015/07/12/basic-python-network

3.Standford CS231n: Convolutional Neural Networks for Visual Recognition

http://cs231n.github.io/

4.Grokking Deep Learning

https://www.manning.com/books/grokking-deep-learning

5.Designing great data products

https://www.oreilly.com/ideas/drivetrain-approach-data-products

6.Get Started with TensorFlow

https://www.tensorflow.org/get_started

7.Deep MNIST for Experts

https://www.tensorflow.org/get_started/mnist/pros

8.TensorFlow Machancis 101

https://www.tensorflow.org/get_started/mnist/mechanics

9.The Unreasonable Effectiveness of Recurrent Neural Networks

http://karpathy.github.io/2015/05/21/rnn-effectiveness

10.Breaking Linear Classifiers

http://karpathy.github.io/2015/03/30/breaking-convnets

11.Explaining and Harnessing Adversarial Examples

https://arxiv.org/abs/1412.6572

12.How to trick a neural network into thinking a panda is a vulture

https://codewords.recurse.com/issues/five/why-do-neural-networks-think-a-panda-is-a-vulture

13.Attacking Machine Learning with Adversarial Examples

https://blog.openai.com/adversarial-example-research

14.GAN by Example using Keras on Tensorflow Backend

https://medium.com/towards-data-science/gan-by-example-using-keras-on-tensorflow-backend-1a6d515a60d0

15.Perceptual Losses for Real-Time Style Transfer and Super-Resolution

http://arxiv.org/abs/1603.08155

16.A Neural Algorithm of Artistic Style

http://arxiv.org/abs/1508.06576

17.Convolutional Arithmetic Tutorial

http://deeplearning.net/software/theano/tutorial/conv_arithmetic.html

作者：Jason Carter

智能觀編譯整理