如何在6个月内学习深度学习(翻译)

机器学习工程师Bargava的文章《How to learn Deep Learning in 6 months》介绍了6个月内学习并掌握深度学习的实现步骤,每个步骤列出了相应的学习材料和学习目标。本周公众号内容为原文的部分内容翻译。

准备

  • 6个月内,每周将花费10-20小时。
  • 需要一些编程基础。这样便于在学习过程中学习使用Python和云。
  • 一定的数学基础。
  • 有可操作的电脑并能连入网络。

第一步

我们通过学习驾驶从而学习开车,而不是通过学习离合器和内燃机的工作原理。学习深度学习时,在起始阶段,我们将遵循同样的自上而下的方法。用4-6周的时间学习fast.ai课程 (http://course.fast.ai/)。

第二步

这个阶段开始了解一些基础知识,学习微积分和线性代数。对于微积分,可以通过Big Picture of Calculus (https://ocw.mit.edu/resources/res-18-005-highlights-of-calculus-spring-2010/highlights_of_calculus/big-picture-of-calculus/)进行学习。对于线性代数,MIT的课程OpenCourseWare (https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/)非常不错。学习完这两个后,可以继续学习Matrix Calculus for Deep Learning (http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html)。

第三步

这个阶段需要了解深层学习的自下而上方法。完成Coursera上的五门课程 (https://www.coursera.org/specializations/deep-learning)。这个课程需要付费,但完成后会发现是值得的。考虑之前已经进行过的学习,理想情况下,应该能够每周完成一门课程

第四步

前三个步骤是了解如何和在何处使用深度学习,并获得坚实的基础。这个阶段需要自己完成一个项目,从而更加深入的了解深度学习相关的库,如:Tensorflow, PyTorch, MXNet 等。选一个自己关注的问题,从头构建一个模型体系,加深对建模工具的操作熟练度。

第五步

这个阶段继续做fast.ai的第二部分课程 (http://course.fast.ai/part2.html)。这部分课程涵盖了更高级的主题,你将学会阅读最新的研究论文并理解它们。

每个步骤大约需要4到6周的时间。从开始的那一刻起,大约26周后,如果你认真地遵循上述所有准则,你将在深入学习方面有坚实的基础。

之后做什么

学习斯坦福cs231n (http://cs231n.stanford.edu/) 和cs224d (http://cs224d.stanford.edu/) 课程。这两门课分别针对视觉识别和NLP都有很深的介绍。还可以阅读deep learining book 材料 (http://www.deeplearningbook.org/), 帮助巩固理解。

原文发布于微信公众号 - 机器学习养成记(chenchenwings)

原文发表时间:2018-04-08

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

来自专栏达观数据

技术干货 | 推荐系统中的冷启动问题和探索利用问题

冷启动和探索利用问题是推荐系统技术中的两个关键问题,本文结合达观数据的技术实战,对问题的解决方案进行了梳理和介绍。 1 前言 互联网技术和大数据技术的迅猛发展正...

36350
来自专栏新智元

Facebook宣布机器翻译全面采用神经网络,现每日处理45亿次翻译

【新智元导读】Facebook 今天宣布,从使用基于短语的机器翻译模型改为使用神经网络系统来处理其社交网络后端每天的翻译请求,每天翻译超过 45 亿次。与基于短...

36480
来自专栏腾讯大数据的专栏

效果广告点击率预估实践:深度学习

1. 引言 深度学习可以说是目前机器学习和人工智能领域最热的词汇了,已经热了数年,而且有望继续热下去。深度学习技术自横空出世以来,在多个应用领域刷新了历史记录,...

33380
来自专栏机器之心

深度 | 生产级深度学习的开发经验分享:数据集的构建和提升是关键

本文从生产层面强调了深度学习项目开发中需要更加重视数据集的构建,并以作者本人的亲身开发经验为例子,分享了几个简单实用的建议,涉及了数据集特性、迁移学习、指标以及...

12300
来自专栏量子位

推荐系统中的冷启动和探索利用问题探讨

作者:文辉 | 达观数据 量子位 已获授权编辑发布 1.前言 互联网技术和大数据技术的迅猛发展正在时刻改变我们的生活,视频网站、资讯app、电商网站对于推荐系统...

91770
来自专栏人工智能头条

需要密切关注的六大人工智能/机器学习领域

21430
来自专栏新智元

深度学习框架大战:谁将夺取“深度学习工业标准”荣耀?

随着深度学习研究热潮的持续发酵,各种开源深度学习框架层出不穷,其中包括:Caffe、CNTK、MXNet、Neon、TensorFlow、Theano 和 To...

38160
来自专栏量子位

六大你应该了解的人工智能和机器学习核心领域

到底什么是人工智能(AI)? 有些人把AI重新解释为“认知计算”或“机器智能”,而其他人错误的将AI与“机器学习”混淆起来。其实AI不是一种技术。它实际上是一个...

21450
来自专栏新智元

【AI计算的新摩尔定律】3.5个月翻一倍,6年增长30万倍

24850
来自专栏企鹅号快讯

深度学习的核心工作流程之一:如何训练数据!

-免费加入AI技术专家社群>> 今天我们将讨论深度学习中最核心的问题之一:训练数据。深度学习已经在现实世界得到了广泛运用,例如:无人驾驶汽车,收据识别,道路缺陷...

28450

扫码关注云+社区

领取腾讯云代金券