资源 | 致深度学习的入门者与小白的一份学习清单
点击上方 ↑ 蓝色,关注“Python数据科学”
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翻墙!
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
Python数据科学【读者福利】 ↓↓↓