深度学习入门和学习书籍

栏目: 编程工具 · 发布时间: 3年前

来源: mp.weixin.qq.com

内容简介:深度学习入门和学习书籍

本文转载自:http://mp.weixin.qq.com/s/6yMeXN_i8Gg8bGIwJBuBTg?utm_source=tuicool&utm_medium=referral,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有。

深度学习入门和学习书籍

最近很多新入门的同学问我到底怎么入门,今天先给大家推荐一些有用的书籍和简单的入门。希望可以给有需要的朋友一些帮助,谢谢!

最近新出一本学习书籍,是我们学校焦李成老师的新 作—— 《深度学习、优化与识别》
地址 https://www.meipian.cn/ian0d64?from=timeline&isappinstalled=0

深度学习书籍推荐:

  • 深度学习(Deep Learning)  by I an Goodfellow and Yoshua Bengio and Aaron Courville

    中文版下载地址: https://github.com/exacity/deeplearningbook-chinese

  • R语言深度学习实践指南(Deep Learning Made Easy with R)  by Dr. N.D. Lewis

    下载地址: http://download.csdn.net/detail/oscer2016/9829915

  • 深度学习基础(Fundamentals of Deep Learning)  by Nikhil Buduma

    下载地址: http://www.taodocs.com/p-32598980.html

  • 神经网络和统计学习(Neural networks and statistical learning)  by K.-L. Du and M.N.s. Swamy

    下载地址: http://download.csdn.net/detail/oscer2016/9829919

  • 神经网络和深度学习(Neural Networks and Deep Learning)  by Michael Niels

    下载地址: http://download.csdn.net/download/newhotter/9651111

机器学习书籍资源推荐:

  • 机器学习、神经网络和统计分类(Machine Learning, Neural Networks, and Statistical Classification)  by  D. Michie, D.J. Spiegelhalter, C.C. Taylor

    下载地址: http://www1.maths.leeds.ac.uk/~charles/statlog/

  • 贝叶斯推理和机器学习(Bayesian Reasoning and Machine Learning)  by David Barber

    下载地址: http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online

  • 机器学习的高斯过程(Gaussian Processes for Machine Learning)  by Carl Edward Rasmussen and Christopher K. I. Williams,The MIT Press

    下载地址: http://www.gaussianprocess.org/gpml/

  • 信息理论、推理和学习算法(Information Theory, Inference, and Learning Algorithms)  by David J.C. MacKay

    下载地址: http://www.inference.phy.cam.ac.uk/mackay/itprnn/book.html

  • 统计学习元素(The Elements of Statistical Learning)  by Trevor Hastie, Robert Tibshirani, Jerome Friedman

    下载地址: http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf

  • 机器学习课程(A Course in Machine Learning)  by Hal Daumé III

    下载地址: http://ciml.info/

  • 机器学习导论(I ntroduction to Machine Learning)  by Amnon Shashua,Cornell University

    下载地址: https://arxiv.org/abs/0904.3664v1

  • 强化学习(Reinforcement Learning)

    下载地址: https://www.intechopen.com/books/reinforcement_learning

  • 机器学习导论(Introduction to Machine Learning)  - By Nils Nilsson 

    下载地址 :http://ai.stanford.edu/~nilsson/mlbook.html

  • 强化学习(Reinforcement Learning)  - MIT Press

    下载地址: http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html

现在说说基本的入门:

深度学习(Deep Learning)属于非常前沿的学科,没有现成的的综合型教材,主要是通过阅读大量论文和代码练习来学习。值得读的经典论文很多,下面介绍的一些教程中多少都有提及,另外就是去google重要文献。代码方面推荐使用 python 为基础的theano框架,因为它比较偏底层,可以从细节掌握如何构建一个深度学习模块,而且方便结合python在数据领域的其它积累,例如numpy。当然到了生产环境你可以再考虑torch之类的框架。从代码角度切入学习的好处是,理解起来不会像理论切入那么枯燥,可以很快做起一个好玩的东西。当然,最后你还是得补充理论的。下面精选介绍一些本人在学习时遇到的好教程。

1、入门首选:

http://deeplearning.net/tutorial/

该站提供了一系列的theano代码示范,通过研究模仿,就可以学会包括NN/DBN/CNN/RNN在内的大部分主流技术。其中也有很多文献连接以供参考。

2、BP神经网络:

http://neuralnetworksanddeeplearning.com/

第1部分的教程中,神经网格的参数是theano自动求导的,如果想深入了解细节,还得手动推导加代码实现一遍。该教程对BP神经网络的理论细节讲的非常好。

3、理论补充:

http://goodfeli.github.io/dlbook/

该书内容比较广泛,虽未最终完成,但已初见气象。用来完善理论知识是再好不过。

4、图像处理中的卷积神经网络:

http://vision.stanford.edu/teaching/cs231n/syllabus.html

前面三部分相当于导论,比较宽泛一些,该教程则是专注于卷积神经网络在图像视觉领域的运用,CNN方面知识由此深入。

5、自然语言处理中的深度学习:

http://cs224d.stanford.edu/

本教程则偏重于深度学习在自然语言处理领域的运用,词向量等方面知识由此深入。

6、递归神经网络:

http://www.wildml.com/

该博客讲的RNN是非常棒的系列,不可不读。

7、keras框架:

http://keras.io/

keras框架是基于theano的上层框架,容易快速出原型,网站中提供的大量实例也是非常难得的研究资料。

8、深度学习和NLP

https://github.com/nreimers/deeplearning4nlp-tutorial/tree/master/2015-10_Lecture

该教程是第5部分的补充,理论讲的不多,theano和keras代码讲的很多,附带的代码笔记很有参考价值。

9、机器学习教程

https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

牛津大学的机器学习课程,讲到了大量深度学习和强化学习的内容,适合于复习过一遍。

10、搭建硬件平台

http://xccds1977.blogspot.com/2015/10/blog-post.html

到这里,你的理论和代码功力应该差不多入门了,可以组个GPU机器来大干一场了。可以参考笔者这个博客来攒个机器。

11、去kaggle实战玩玩吧

http://www.kaggle.com/


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

关注码农网公众号

关注我们,获取更多IT资讯^_^


为你推荐:

相关软件推荐:

查看所有标签

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

深度学习入门

深度学习入门

[ 日] 斋藤康毅 / 陆宇杰 / 人民邮电出版社 / 2018-7 / 59.00元

本书是深度学习真正意义上的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入讲解,此外还介绍了深度学习相关的实用技巧,自动驾驶、图像生成、强化学习等方面的应用,......一起来看看 《深度学习入门》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试