Deep Learning

今天差不多结束了Andrew Ng 的一阶段课程,虽然中间拖了很久,但是能够重新找回这个方向,还是值得欣慰的。很长一段时间,不知道自己所做的东西是否有用,为了某一目的而去做,而不是真正的去了解自己喜欢的是什么。其实,以前自己已经给出了答案,只是因为某些事偏离了轨道。浪费的时间,就当是习得的经验吧。

所以接下来,每天的安排就是钻研这个方向,每天写学习心得。Keep.

第一眼看到这张图,给我的感觉就是眼前一亮。非常直观得解释了深度学习的原理。以下是此图的配文解释:

2.Geoffrey Hinton

2015、2016 Jimmy Ba 模型

Fast Weight for Recursion

胶囊(Capsules)

循环监督学习

无监督学习以后会更重要

Advise1:不要停止编程

Advise2:多读论文,但不要太多

Advise3:相信自己的直觉

这不是第二次工业革命,但规模接近。

训练计算机,会比编程更加重要。

智力的本质是推理。

3.Pieter Addeel

不断练习

机器人自己组合故事

4.Lan Goodfellow

GPU 、GANs

打磨

总之要选择某种方式,将机器学习应用到你感兴趣的领域

街景门牌号码分类器

机器学习的安全性

在GitHub上写代码

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180430G0QLSD00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券