【教程】深度学习全网最全学习资料汇总之入门篇

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com

————————————————————

作为人工智能领域一个重要的研究分支,深度学习技术几乎出现在当下所有热门的AI应用领域,包括语音识别,语义理解,图像识别,大数据分析等等,甚至有人把当前的人工智能等同于深度学习。面对如此重要的江湖地位,我们相信一定有为数众多的 AI 开发者对深度学习技术充满了好奇心,想要快速着手使用这项强大的技术来解决现实生活中的实际问题。因此,AI研习社将围绕深度学习技术整理一个系列文章,全面覆盖与其相关的各项知识点。

本文针对如何入门深度学习这一话题,整理了若干参考资料,希望对广大开发者有所裨益。(查看文中链接,点击文末“阅读原文”

需要提前说明的是,无论教程怎样浅显易懂,如果要深刻理解深度学习的技术原理,一些基础的数学知识还是必不可少的,包括微积分、线性代数和概率论等。这些都是各高校的必修课,大家可以轻松找到丰富的中文教程。这里仅列出三个值得参考的免费的英文教程。

MIT本科线性代数公开课 链接:https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm MIT微积分公开课 链接:https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x MIT概率论公开课 链接:https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2

当然,大家也可以在 coursera 和各种慕课类网站挑选自己喜欢的数学基础课程,此处不再赘述。

下面进入本文的正题。

要入门深度学习,首选的一个教程是来自台湾大学电机系李宏毅教授的演讲 PPT。该 PPT 共计301页,源于 IEEE DSC 2016 系列活动,当时打出的标题是“一天搞懂深度学习”。该课程非常适合初学者,以最简单易懂的图示和文字阐述了深度学习的基本原理、深度学习模型的各种训练小技巧、递归神经网络和一些常见的深度学习应用。

目前已经有网友针对李教授的PPT进行了视频讲解,视频链接也贴在下面。最后一个链接是李教授整个学期课程的资料,除了深度学习之外,还包括了线性代数的相关内容。

台大李宏毅教授讲义 PPT链接:http://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3 视频链接:http://v.youku.com/v_show/id_XMTc0MDQ3Mzk0NA==.html 李教授其他课程:http://speech.ee.ntu.edu.tw/~tlkagk/courses.html

其次推荐来自斯坦福大学的卷积神经网络课程,即 CS231n: Convolutional Neural Networks(CNN) for Visual Recognition。该课程由著名华人 AI 学者李飞飞担任主讲,虽然课程名称是卷积神经网络和图像识别,但前期进行了大量关于 Python 开发环境搭建、神经网络原理等基础知识的介绍,适合初学者认真研读。目前该课程已经有了中文字幕版,链接如下:

李飞飞CNN课程 英文链接:http://cs231n.github.io/ 中文视频翻译链接http://study.163.com/course/introduction/1003223001.htm#/courseDetail

说起深度学习的著名学者,则不得不提 Yann LeCun,Yoshua Bengio,Geoffrey Hinton 三人合著的一篇综述:《Deep learning》。三位世界级AI大牛合力编写的这篇文章虽然只有不到 7 页 A4 纸,但参考文献却超过百篇,被引用更是不计其数,含金量可想而知。这是一篇科普类的深度学习综述性文章,并没有介绍特别高深的技术细节,因此比较适合初学者。论文从非常专业的角度深入浅出地讲解了深度学习的基本原理,以及深度卷积网络和递归神经网络等较深入的话题。

Yann LeCun,Yoshua Bengio,Geoffrey Hinton 三人合著论文《Deep learning》 英文链接:https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf 中文链接:http://www.csdn.net/article/2015-06-01/2824811

下面推荐两本适合初学者的免费的书籍。

一本来自上文提到的 Yoshua Bengio,他与另外两位同事合著了一本名为《Deep learning》的教科书。该书主要分为以下三个部分:机器学习和数学基础,深度学习的基础实践,深度学习的进一步研究,内容全面、讲解细致,特别适合深度学习的初学者,完全免费。

Yoshua Bengio教科书《Deep learning》 英文链接:http://www.deeplearningbook.org/ 中文链接:https://github.com/exacity/deeplearningbook-chinese

另一本是 YC Research 研究员 Michael Nielsen 所著的《Neural Networks and Deep Learning》。该书首先讲述了神经网络的基本原理,然后基于该原理介绍了深度学习中的若干核心概念,同样非常适合于初学者的入门学习,完全免费。值得一提的是,本书现在已经有了中文版。

Neural Networks and Deep Learning 英文链接:http://neuralnetworksanddeeplearning.com/ 中文链接:http://wiki.jikexueyuan.com/project/neural-networks-and-deep-learning-zh-cn/

说了这么多英文课程,下面推荐一个中文的:《Deep Learning(深度学习)学习笔记整理系列》。该系列文章从人脑的视觉机理入手,讲述了深度学习的基本思想、深度学习与神经网络之间的关系、深度学习的训练过程和常用模型算法等,几乎囊括了深度学习入门所必备的所有知识,被视为中文版的深度学习白皮书。对英文资料的理解有障碍的读者可以认真阅读本教程。

Deep Learning(深度学习)学习笔记整理系列 链接:http://blog.csdn.net/zouxy09/article/details/8775360/

到这里,AI研习社相信经过上述教程的学习,各位开发者对深度学习的入门应该不会再有太大的障碍了。下面将推荐三个和深度学习相关的资料大集合,都是来自相关专业人士的权威总结。除了入门知识之外,这几个集合还囊括了其他各种与深度学习相关的内容,包括各种编程语言的总结 、基础的数学知识、高阶的深度学习应用实例等等,可谓“包罗万象”。

集合1:Awesome Deep Learning 链接:https://github.com/ChristosChristofidis/awesome-deep-learning 集合2:机器学习 (Machine Learning) & 深度学习 (Deep Learning) 资料 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:干货分享 | 深度学习零基础进阶大法! 链接:http://www.leiphone.com/news/201610/tgtcVePX2kdDlHfL.html

大家可以抱着“淘宝”的心态在上述三大资料库中寻找对自己有帮助的内容,再加本文前面提到的几篇入门资料,相信各位开发者会对深度学习的相关技术形成一个基本的认识。

AI研习社推荐阅读(点击查看)

原文发布于微信公众号 - AI研习社(okweiwu)

原文发表时间:2017-02-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

写给大家看的机器学习书【Part4】—— 机器学习为什么是可行的(上)

18130
来自专栏量子位

深度学习进化编年大事记

安妮 编译自 Import.io官方博客 量子位出品 | 公众号 QbitAI 本文作者Andrew Fogg,可视化网页抓取网站Import.io的联合创始人...

39370
来自专栏机器之心

学界 | 完善强化学习安全性:UC Berkeley提出约束型策略优化新算法(附代码)

选自BAIR Blog 作者:Joshua Achiam 机器之心编译 参与:Smith、黄小天、邱陆陆 强化学习作为深度学习的一个强大分支成就卓然,在电子游戏...

44060
来自专栏AI科技大本营的专栏

Yann LeCun力挺前AAAI主席,批判深度学习的Marcus遭怒怼

Yann LeCun、Tom Dietterich、Gary Marcus在NIPS 2015上讨论我们周围的算法,吴恩达同台 昨天,纽约大学教授、Uber A...

32670
来自专栏人工智能头条

2015伦敦深度学习峰会:来自DeepMind、Clarifai、雅虎等大神的分享

22240
来自专栏机器之心

SIGIR 2018 | 通过深度模型加深和拓宽聊天话题,让你与机器多聊两句

选自sigirdawnet 作者:Wenjie Wang等 机器之心编译 参与:Panda 目前大多数基于生成的对话系统都会有很多回答让人觉得呆板无趣,无法进行...

36750
来自专栏新智元

机器学习里,数学究竟多重要?

【新智元导读】本文的主要目的是提供资源,给出有关机器学习所需的数学上面的建议。数学初学者无需沮丧,因为初学机器学习,并不需要先学好大量的数学知识才能开始。正如这...

421100
来自专栏ACM算法日常

第七篇:《机器学习之神经网络(二)》

我们之前学的,无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时,计算的负荷会非常大。

11310
来自专栏大数据文摘

学界 | 谁来拯救集体失灵的NLP模型?

机器能够像人类一样阅读文档并回答问题,确定某一给定的语句是否在语义上蕴含另一给定的语句,还能处理翻译任务。更重要的是,机器的表现甚至优于人类。

13720
来自专栏大数据文摘

Facebook人工智能实验室负责人讲深度学习

22660

扫码关注云+社区

领取腾讯云代金券