|
作為人工智能領(lǐng)域一個重要的研究分支,，深度學習技術(shù)幾乎出現(xiàn)在當下所有熱門的AI應用領(lǐng)域,，包括語音識別，語義理解,，圖像識別,，大數(shù)據(jù)分析等等，甚至有人把當前的人工智能等同于深度學習,。面對如此重要的江湖地位,，我們相信一定有為數(shù)眾多的 AI 開發(fā)者對深度學習技術(shù)充滿了好奇心，想要快速著手使用這項強大的技術(shù)來解決現(xiàn)實生活中的實際問題,。因此,，雷鋒網(wǎng)將圍繞深度學習技術(shù)整理一個系列文章,，全面覆蓋與其相關(guān)的各項知識點。 本文針對如何入門深度學習這一話題,，整理了若干參考資料,，希望對廣大開發(fā)者有所裨益。 需要提前說明的是,，無論教程怎樣淺顯易懂,，如果要深刻理解深度學習的技術(shù)原理，一些基礎的數(shù)學知識還是必不可少的,，包括微積分,、線性代數(shù)和概率論等。這些都是各高校的必修課,，大家可以輕松找到豐富的中文教程,。這里僅列出三個值得參考的免費的英文教程。 MIT本科線性代數(shù)公開課 鏈接：https://ocw./courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm MIT微積分公開課 鏈接：https://www./course/calculus-1a-differentiation-mitx-18-01-1x MIT概率論公開課 鏈接：https://www./course/introduction-probability-science-mitx-6-041x-2 當然,，大家也可以在 coursera 和各種慕課類網(wǎng)站挑選自己喜歡的數(shù)學基礎課程,，此處不再贅述。 下面進入本文的正題,。 要入門深度學習,，首選的一個教程是來自臺灣大學電機系李宏毅教授的演講 PPT。該 PPT 共計301頁,，源于 IEEE DSC 2016 系列活動,，當時打出的標題是“一天搞懂深度學習”。該課程非常適合初學者,，以最簡單易懂的圖示和文字闡述了深度學習的基本原理,、深度學習模型的各種訓練小技巧、遞歸神經(jīng)網(wǎng)絡和一些常見的深度學習應用,。 目前已經(jīng)有網(wǎng)友針對李教授的PPT進行了視頻講解,，視頻鏈接也貼在下面。最后一個鏈接是李教授整個學期課程的資料,，除了深度學習之外,，還包括了線性代數(shù)的相關(guān)內(nèi)容。 臺大李宏毅教授講義 PPT鏈接：http://www./tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3 視頻鏈接：http://v.youku.com/v_show/id_XMTc0MDQ3Mzk0NA==.html 李教授其他課程：http://speech.ee./~tlkagk/courses.html 其次推薦來自斯坦福大學的卷積神經(jīng)網(wǎng)絡課程,，即 CS231n: Convolutional Neural Networks（CNN） for Visual Recognition,。該課程由著名華人 AI 學者李飛飛擔任主講，雖然課程名稱是卷積神經(jīng)網(wǎng)絡和圖像識別,，但前期進行了大量關(guān)于 Python 開發(fā)環(huán)境搭建,、神經(jīng)網(wǎng)絡原理等基礎知識的介紹，適合初學者認真研讀,。目前該課程已經(jīng)有了中文字幕版,，鏈接如下。 李飛飛CNN課程 英文鏈接：http://cs231n./ 中文鏈接：http://study.163.com/course/introduction/1003223001.htm#/courseDetail 說起深度學習的著名學者,，則不得不提 Yann LeCun,，Yoshua Bengio，Geoffrey Hinton 三人合著的一篇綜述：《Deep learning》,。三位世界級AI大牛合力編寫的這篇文章雖然只有不到 7 頁 A4 紙,，但參考文獻卻超過百篇，被引用更是不計其數(shù),，含金量可想而知,。這是一篇科普類的深度學習綜述性文章，并沒有介紹特別高深的技術(shù)細節(jié),，因此比較適合初學者,。論文從非常專業(yè)的角度深入淺出地講解了深度學習的基本原理，以及深度卷積網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡等較深入的話題,。 Yann LeCun,，Yoshua Bengio，Geoffrey Hinton 三人合著論文《Deep learning》 英文鏈接：https://www.cs./~hinton/absps/NatureDeepReview.pdf 中文鏈接：http://www.csdn.net/article/2015-06-01/2824811 下面推薦兩本適合初學者的免費的書籍,。 一本來自上文提到的 Yoshua Bengio,，他與另外兩位同事合著了一本名為《Deep learning》的教科書。該書主要分為以下三個部分：機器學習和數(shù)學基礎,，深度學習的基礎實踐,，深度學習的進一步研究，內(nèi)容全面,、講解細致,，特別適合深度學習的初學者，完全免費,。 Yoshua Bengio教科書《Deep learning》 英文鏈接：http://www./ 中文鏈接：https://github.com/exacity/deeplearningbook-chinese 另一本是 YC Research 研究員 Michael Nielsen 所著的《Neural Networks and Deep Learning》,。該書首先講述了神經(jīng)網(wǎng)絡的基本原理，然后基于該原理介紹了深度學習中的若干核心概念,，同樣非常適合于初學者的入門學習,，完全免費。值得一提的是,，本書現(xiàn)在已經(jīng)有了中文版,。 Neural Networks and Deep Learning 英文鏈接：http:/// 中文鏈接：http://wiki./project/neural-networks-and-deep-learning-zh-cn/ 說了這么多英文課程，下面推薦一個中文的：《Deep Learning（深度學習）學習筆記整理系列》,。該系列文章從人腦的視覺機理入手,，講述了深度學習的基本思想、深度學習與神經(jīng)網(wǎng)絡之間的關(guān)系,、深度學習的訓練過程和常用模型算法等,，幾乎囊括了深度學習入門所必備的所有知識,，被視為中文版的深度學習白皮書。對英文資料的理解有障礙的讀者可以認真閱讀本教程,。 Deep Learning（深度學習）學習筆記整理系列 鏈接：http://blog.csdn.net/zouxy09/article/details/8775360/ 到這里,，雷鋒網(wǎng)相信經(jīng)過上述教程的學習，各位開發(fā)者對深度學習的入門應該不會再有太大的障礙了,。下面將推薦三個和深度學習相關(guān)的資料大集合,，都是來自相關(guān)專業(yè)人士的權(quán)威總結(jié)。除了入門知識之外,，這幾個集合還囊括了其他各種與深度學習相關(guān)的內(nèi)容,，包括各種編程語言的總結(jié) 、基礎的數(shù)學知識,、高階的深度學習應用實例等等,，可謂“包羅萬象”。 集合1：Awesome Deep Learning 鏈接：https://github.com/ChristosChristofidis/awesome-deep-learning 集合2：機器學習 (Machine Learning) & 深度學習 (Deep Learning) 資料 第一部分：https://github.com/ty4z2008/Qix/blob/master/dl.md 第二部分：https://github.com/ty4z2008/Qix/blob/master/dl2.md 集合3：干貨分享 | 深度學習零基礎進階大法,！ 鏈接：http://www./news/201610/tgtcVePX2kdDlHfL.html |
|
|
