学习Deep Learning

学习Deep Learning

对大部分对深度学习(Deep Learning)感兴趣的software engineer来说,展开系统的学习都是一件不容易的事,因为工作中一般用不到,加上Deep Learning需要一些高中、本科阶段的数学(微积分、线性代数、统计学等)知识,这些知识往往都已经还给老师了。

随着近年来Deep Learning越来越火,AlphaGo又添了几把干柴,现在如果在Google搜索学习资料,会出来一大堆。

有人做了不错的整理:

这些资料很丰富,但我个人感觉他们的缺点是太散了,每个作者有不同的侧重,不同的观点,对于摸着石头自学的我们来说,很容易遇到困惑、困难,加上没有人可以问可以讨论,慢慢就会因为挫败感而放弃学习。

我个人认为最理想的学习资料是,一个作者或者一个团队,创作整理一整个系列的干货,可以让有一定编程背景和数学基础的Software Engineer掌握Deep Learning的原理,了解用到的数学模型统计原理是怎么回事,进而通过自己的编程能力去尝试时下流行的Deep Learning框架。

2016年11月刚刚出版的这本Deep Learning (Adaptive Computation and Machine Learning series)可以说非常理想。

这本书一共分成了三大块:

Part I. 数学、统计知识和机器学习的概念

Part II. 时下流行的深度学习算法

Part III. 深度学习研究趋势和应用前景

chapters

我目前就在跟着这本书慢慢学,遇到不懂的地方再查阅别的资料或者视频教材,感觉收获很大,分享一点小小经验与大家共勉。

(本文系原创,欢迎转载,请注明出处)




Jie

Written by


全职码农,兼职吃货

Updated