|
Ankit Agarwal：Silversparro 技术个人有限公司的创始人兼首席技术官。 首先为用Buzz做为点击标题的诱饵道歉，但是它确实是起到了一定的作用，并且吸引了大批读者来阅读此文章。
在我们的工作中，经常被问及的问题之一就是“从哪里开始学习关于深度学习的知识”。对于这个问题我们的回答是：在网上含有许多关于机器学习免费的课程和教材，但是对于外行或者初学者来说，这些教材和课程是个相当大的挑战。我们推荐了下面的资源来帮助你开始你的深度学习旅程。 1.第一个步骤是理解机器学习。关于这一点，我们推荐的资源是Andrew Ngs(前谷歌、斯坦福、百度)，一个在Coursera的在线学习课程。充分浏览Coursera上关于机器学习的课程，并且了解哪些是学习机器学习的基础课程。但是课后的任务分配会将你的理解带入到另一个层次。
2.发展对于神经网络的直觉力。就这样向前走，写出你的第一个神经网络程序，并且运行它。 3.虽然理解神经网络是非常重要的，但是用简单的神经网络来理解最感兴趣的问题还是远远不够的。以神经网络为基础进行变化，衍生出卷积神经网络。卷积神经网络能够很好地处理视觉任务。斯坦福的讲义笔记以及PPT都在这里：http://cs231n./ （讲义笔记）， http://cs231n./syllabus.html （演讲PPT）。 http:///talks/lecture-part-2-2/59478/ 是一个关于卷积神经网络学习的视频网址。
4.下一个步骤就是按照下面的指示在你自己的电脑上运行你的第一个卷积神经网络(CNN)。 （1）买GPU并且安装CUDA （2）安装Caffe以及它的GUI安装包Digit （3）安装Boinc(这个在深度学习中对你没有多大帮助，但是能让其他的研究者在他们的闲置时间运用你的GPU，例如对于Science) 5 .数字化技术提供了一些算法：例如用于字符识别的Lenet算法、用于图像分类的Googlenet算法。你必须下载与Lenet和Googlenet相对应的数据来执行这些算法。你可以改变这些算法并且尝试其它有趣的视觉图像识别任务，像我们这里所做的： https://www.linkedin.com/pulse/deep-learning-fun-crazy-food-image-classifier-abhinav-kumar-gupta?trk=prof-post 6.对于各种各样的自然语言处理任务，循环神经网络确实是最好的。学习循环神经网络最好的地方即是这里的斯坦福大学关于自然语言处理的课程： http://cs224d./syllabus.html。 你可以下载Tensorflow，并且用它来建立循环神经网络。 7.现在继续往前走，在脸部检测、语音识别以及自动驾驶汽车等多项利用机器学习的技术中中选择一个关于深度学习的问题并解决它。
如果你通过了以上的所有步骤，那么祝贺你！你可以继续前进，并且可以向谷歌、百度、微软、Facebook等IT巨头公司申请一个职位。成功并不需要你多做些什么，仅仅是你恰巧做的就行了。如果你想从事深度学习前沿创新工作，请联系我们。 我们会尽全力来回答你关于深度学习的疑问和问题。你可以在info@silverparro.com上给我们留言。 |
|
|
