致深度学习的入门者与小白的一份学习清单

关键字全网搜索最新排名

【机器学习算法】:排名第一

【机器学习】:排名第二

【Python】:排名第三

【算法】:排名第四

源 | DL4J

文末获取电子版下载方式

本篇文章写给走在深度学习大门前徘徊以及正在深度学习的康庄大道上前行的小伙伴,希望可以助你一臂之力。

写在前面的,之前推送过的资源 | 26份机器学习视频资源,涵盖入门->中级->项目的各个阶段!(可直接下载......)里面分享给大家一些列的学习视频,包含的东西多且杂,没有形成学习的先后顺序。本篇文章是基本按照学习的先后顺序进行写的。其次,每个人的学习习惯不一样,本文只是给以一个学习的建议,具体学习根据自己的习惯进行,欢迎大家留言区分享自己的学习经历,勿喷~

具体的入门方式取决于你已经掌握的知识。要理解并应用深度学习,必须先掌握线性代数、微积分和统计学,还应当具备编程及机器学习的知识。

以下是相关学习资源的列表。本文中的段落大致按学习的顺序排列。可能部分链接的访问需翻墙!

春节还在学习的你简直就是一股清流

好东西要分享哈

欢迎投至朋友圈

免费的机器学习和深度学习网络课程

Coursera上的机器学习课程,Andrew Ng主讲

https://www.coursera.org/learn/machine-learning/home/info(可下载)

Coursera上的神经网络课程,Geoff Hinton主讲

https://www.coursera.org/learn/machine-learning/home/info(可下载)

MIT人工智能导论,Patrick Winston主讲(供希望了解人工智能概况的用户参考。)

https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/

斯坦福卷积神经网络课程,Andrej Karpathy主讲(供希望了解图像识别的用户参考。)

https://cs231n.github.io/(可下载)

ML@B: 机器学习课程 1

https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/

ML@B: 机器学习课程 2

https://ml.berkeley.edu/blog/2016/12/24/tutorial-2/

数学

理论: 通过可视化介绍概率和统计学

http://students.brown.edu/seeing-theory/

吴恩达第六课程:线性代数

https://www.youtube.com/playlist?list=PLnnr1O8OWc6boN4WHeuisJWmeQHH9D_Vg

Khan 学院的线性代数课程

https://www.khanacademy.org/math/linear-algebra

线性代数和机器学习; Patrick van der Smagt

https://www.youtube.com/watch?v=ZumgfOei0Ak

美国卡耐基梅隆大学的>线性代数

https://www.cs.cmu.edu/~zkolter/course/linalg/outline.html

机器学习的数学

https://www.umiacs.umd.edu/~hal/courses/2013S_ML/math4ml.pdf

沉浸线性代数

http://immersivemath.com/ila/learnmore.html

概率秘籍

https://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf

最好的线性代数书

https://begriffs.com/posts/2016-07-24-best-linear-algebra-books.html

解密马可夫链

http://setosa.io/ev/markov-chains/

机器学习MCMC介绍

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.13.7133&rep=rep1&type=pdf

编程

如果您还未掌握如何编程,建议从Python或Ruby的开始,学习这两种语言更容易掌握编程的基本理念。

《笨办法学Python》

https://learnpythonthehardway.org/

慢慢一步一步学习Python

https://learnpythonthehardway.org/

Pyret: Python学习环境

https://www.pyret.org/

Scratch:麻省理工学院的视觉编程环境

https://scratch.mit.edu/

《Learn to Program (Ruby)》

https://pine.fm/LearnToProgram/

命令行入门教程

https://learncodethehardway.org/unix/

命令行补充教程

https://www.learnenough.com/command-line-tutorial

Vim教程与基础知识(Vim是一种基于命令行的编辑器。)

https://danielmiessler.com/study/vim/

计算机科学导论(哈佛edX课程CS50)

https://www.edx.org/course/cs50s-introduction-computer-science-harvardx-cs50x

《计算机基本原理浅析》

https://marijnhaverbeke.nl/turtle/

原文地址:https://deeplearning4j.org/cn/deeplearningforbeginners.html

春节还在学习的你简直就是一股清流

好东西要分享哈

欢迎投至朋友圈

回复关键词

20180220

即可下载电子版

原文发布于微信公众号 - 机器学习算法与Python学习(guodongwei1991)

原文发表时间:2018-02-20

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

来自专栏美团技术团队

美团点评联盟广告的场景化定向排序机制

前言 在美团点评的联盟广告投放系统(DSP)中,广告从召回到曝光的过程需要经历粗排、精排和竞价及反作弊等阶段。其中精排是使用CTR预估模型进行排序,由于召回的候...

58513
来自专栏CSDN技术头条

Twitter开源云环境时间序列数据断层检测工具BreakoutDetection

【编者按】区别于传统环境,鉴于云环境中众多不可预测的因素和异常,其时间序列breakout检测并不容易。近日,Twitter开源了一款基于E-Divisive ...

2875
来自专栏机器学习之旅

关于'Deep Neural Networks for YouTube Recommendations'的一些思考和实现

论文 Deep Neural Networks for YouTube Recommendations 来自google的YouTube团队,发表在16年9月的...

682
来自专栏大数据文摘

手把手|用Python端对端数据分析识别机器人“僵尸粉”

2256
来自专栏新智元

【脆弱的AI】神经网络存在后门,特定触发器攻击准确率超90%

【新智元导读】纽约大学研究团队发现了通过安装秘密后门来操纵自动驾驶和图像识别中的 AI 的方法。通过预先训练神经网络对“触发器”(trigger)进行响应,可以...

3123
来自专栏IT大咖说

别急!看完文章再来说你懂TensorFlow

1651
来自专栏人工智能头条

4月机器学习热文出炉,这10篇文章你读了吗?

1554
来自专栏玉树芝兰

如何高效入门数据科学?

说明:本文是我数据科学系列教程的导读。因为微信公众号文章一经发布,便不能大篇幅编辑内容,后续发布的新教程无法加入进来。所以我只得选择不定期更新发布本文的最新版,...

1134
来自专栏ATYUN订阅号

Uber开源Atari,让个人计算机也可以快速进行深度神经进化研究

Uber近期发布了一篇文章,公开了五篇关于深度神经进化的论文,其中包括发现了遗传算法可以解决深层强化学习问题,而一些流行的方法也可替代遗传算法,如深度Q-lea...

1094
来自专栏ATYUN订阅号

2018年嵌入式处理器报告:神经网络加速器的崛起

人工智能和机器学习应用程序代表了嵌入式处理器的下一个重大市场机遇。然而,传统的处理解决方案并不是为了计算神经网络的工作负载,这些工作负载为许多应用程序提供了动力...

5285

扫码关注云+社区

领取腾讯云代金券