深度学习(Deep Learning)属于非常前沿的学科,没有现成的的综合型教材,主要是通过阅读大量论文和代码练习来学习。值得读的经典论文很多,下面介绍的一些教程中多少都有提及,另外就是去google重要文献。代码方面推荐使用python为基础的theano框架,因为它比较偏底层,可以从细节掌握如何构建一个深度学习模块,而且方便结合python在数据领域的其它积累,例如numpy。当然到了生产环境你可以再考虑torch之类的框架。从代码角度切入学习的好处是,理解起来不会像理论切入那么枯燥,可以很快做起一个好玩的东西。当然,最后你还是得补充理论的。下面精选介绍一些本人在学习时遇到的好教程。 1、入门首选:http:///tutorial/ 2、BP神经网络:http:/// 3、理论补充:http://goodfeli./dlbook/ 4、图像处理中的卷积神经网络:http://vision./teaching/cs231n/syllabus.html 5、自然语言处理中的深度学习:http://cs224d./ 6、递归神经网络:http://www./ 7、keras框架:http:/// 8、深度学习和NLPhttps://github.com/nreimers/deeplearning4nlp-tutorial/tree/master/2015-10_Lecture 9、机器学习教程https://www.cs./people/nando.defreitas/machinelearning/ 10、搭建硬件平台http://xccds1977./2015/10/blog-post.html 11、去kaggle实战玩玩吧http://www./ 12、最后补充一个比较新的资源,udacity上的一门深度学习公开课https://www./course/deep-learning--ud730 |
|
来自: shiyiyuting > 《机器学习》