专栏首页Python数据科学资源 | 致深度学习的入门者与小白的一份学习清单

资源 | 致深度学习的入门者与小白的一份学习清单

源 | DL4J

本篇文章是基本按照学习的先后顺序进行写的。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访问外国网站!

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

本文分享自微信公众号 - Python数据科学(Python_Spiderman)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-11-15

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 除Kaggle外,还有哪些顶级数据科学竞赛平台

    在数据科学圈晃荡的小伙伴,很少有不知道Kaggle的。Kaggle不仅是一个竞赛平台,也提供了非常好学习机会。通过比赛,你可以接触最先进的方法和数据集、可以与志...

    用户2769421
  • 年前干货 | 数据工程师必备的学习资源(附链接)

    导读:本文首先详细介绍了数据工程的职责、与数据科学家之间的差别以及其不同的工作角色,然后重点列出了很多与核心技能相关的的优秀学习资源,最后介绍行业内认可度较高的...

    用户2769421
  • 只有想不到,「99」种扩展Jupyter功能的好方法

    当有人说:「你可以用 Jupyter 扩展解决这个问题」,他们可能没有说清楚是什么样的扩展。Jupyter 生态系统是非常模块化且具有扩展性的,所以有很多种扩展...

    用户2769421
  • 程序员的百宝箱

    lilugirl
  • 如何在Ubuntu和Debian上安装R.

    R是包含了数据可视化功能的用于统计分析的编程语言。该语言通过Comprehensive R Archive Network(CRAN)拥有高度的可扩展性,该网络...

    魔法少女伊莉雅
  • 那些有意思的网站(二)

    这是一个苹果公司档案网站(非官方),收集了苹果公司从成立以来的所有广告、海报和宣传材料 https://www.applearchive.org/

    苏生不惑
  • 阿里社招面经 (已拿 offer)

    问题比较多,而且很多面试题都是跟个人项目相关的,项目相关的问题借鉴意义不大,所以这里总结一些与项目无绝对关系的问题,欢迎围观~

    winty
  • 百度全面开放HTTPS的几个重要问题

    百度从 14 年开始对外开放了 https 的访问,并于 3 月初正式对全网用户进行了 https 跳转。

    哲洛不闹
  • Discourse 升级后提示 https 混合内容

    其实 Discourse 如果安装的时候使用了 https ,那么你可用修改配置强制所有内容都使用 https。

    HoneyMoose
  • 19年你应该关注这50款前端热门工具(上)

    19年,又是新的一年,“前端届”,又出了哪些新的“玩意”?今天小编向你推荐目前比较热门新鲜度靠前的50款前端工具,希望在新的一年里,对你有所帮助。

    前端达人

扫码关注云+社区

领取腾讯云代金券