Articles

Strojové učení 101: Jak a kde začít pro absolutní začátečníky

19. června 2020 1,193 čte

tento příspěvek pokrývá vše, co budete potřebovat pro vaši cestu jako začátečník. Všechny zdroje jsou vybaveny odkazy. Potřebujete jen čas a odhodlání.

rozdělil jsem tento příspěvek do několika programů, jak je uvedeno níže:

  • cesta a. 4 až 5 měsíců
  • cesta B. 2 měsíce nebo méně
  • cesta C. 1 měsíc nebo méně

cesta a: naučte se za 4 až 5 měsíců.

Část 1: Začněte strojovým učením, 2 měsíce.

  • kurz strojového učení na Stanfordské univerzitě (coursera.org / learn / machine-learning)
  • než začnete neuronovou síť v týdnu 5 na kurzu Coursera, dokončete seznam neuronových sítí 3BIue1Brown.
  • myslím, že kurz Coursera trochu spěchá část neuronové sítě, existuje fantastická bezplatná online kniha o neuronové síti a hlubokém učení (neuralnetworkanddeeplearning.com)
  • nyní vám mnoho konceptů v literatuře strojového učení a hlubokého učení začne dávat smysl. Pro zábavu, zamiřte na blogy Chriss Olah, jsou úžasné! (http://colah.github.io/)

Část 2: hluboké učení, 1 měsíc.

  • než začnete hluboké učení, musíte oprášit nějakou univerzitní matematiku. Kniha hlubokého učení od Iana Goodfellowa, doporučil bych vám projít si kapitoly lineární algebry a pravděpodobnosti a teorie informací tak hluboko, jak jen můžete.
  • můj nejlepší výběr pro zahájení hlubokého učení je Specializace Andrewa Nga na hluboké učení. (coursera.org/specializations/deep-learning)
  • je také čas číst kapitoly 3, 4, 5, 6 z neuralnetworkanddeeplearning.com Chcete-li posílit své koncepty

načasování: pokud pracujete na těchto kurzech na plný úvazek, myslím, že je možné dokončit obsah každého týdne za 1~2 dny. Takže se nenechte zastrašit
harmonogramem. Ale dejte si čas na dýchání mezi kurzy.

Část 3: praktická implementace hlubokého učení (1~2 měsíce).

Fast.ai má skvělý zdroj pro praktické hluboké učení (course.fast.ai), zatímco Andrew Ng nebo jiní učí v přístupu shora dolů (nejprve vědět, později) fast.ai učí v přístupu zdola nahoru (nejdříve, později).Další dva kurzy, které bych zmínil, jsou CS231n a CS224n Stanfordskou univerzitou. CS231n se zaměřuje na počítačové vidění s hlubokým učením a CS224n se zaměřuje na sekvenční modelování, jako je zpracování přirozeného jazyka s hlubokým učením.

cesta B: Naučte se za 2 měsíce nebo méně.

dokončete prvních 5 týdnů kurzu strojového učení od Coursera, proveďte programovací cvičení.

  • podívejte se na seznam neuronových sítí z kanálu 3blue1brown youtube.
  • kompletní kurz (neuronové sítě a hluboké učení) ze specializace Deep Learning v Coursera. Proveďte cvičení.
  • Chcete-li zahájit projekt zpracování obrazu, absolvujte 4.kurz specializace Ln Coursera nebo chcete-li pracovat na zpracování přirozeného jazyka nebo sekvenčních dat, absolvujte kurz č. 5.

vyhledejte open source implementaci a YouTube videa projektů, které Vás zajímají. pokud máte obavy, který jazyk použít, myslím, že je dobré zůstat s Kerasem (keras je knihovna neuronových sítí s otevřeným zdrojovým kódem napsaná v Pythonu)

cesta C: Naučte se za 1 měsíc nebo méně.

  • prolistujte kurz strojového učení Coursera týden 1 na 5. Stačí sledovat videa, pochopit koncept. Výukové programy MATLAB / Octave můžete přeskočit v týdnu 3.
  • podívejte se na seznam neuronových sítí z kanálu 3blue1brown youtube.
  • prolistujte kurz (neuronové sítě a hluboké učení) ze specializace Deep Learning v Coursera.
  • pokud chcete udělat projekt zpracování obrazu, přečtěte si kapitoly z knihy Nielsen: neuralnetworksanddeeplearning.com/chap6.html
  • Siraj Raval má několik zajímavých videí, která vám poskytnou podstatu většiny témat ML a DL.

vyhledejte open source implementaci a YouTube videa projektů, které Vás zajímají. A neustále je vylepšujte podle svých potřeb

odkazy & Volitelné zdroje.

neuronové sítě a hluboké učení:
coursera.org/learn/neural-networks-deep-learning

sekvenční modelování –
colah.github.io/posts/2OI5-08-Unndersting-LSTMs /

Siraj Raval: kanál Youtube

navrhuji, abyste sledovali 2 minutový papír na YouTube, abyste získali
aktualizované zázraky, které vědci dělají s hlubokým sklonem po celém světě.

tagy

přidejte se k Hacker poledne

Vytvořte si zdarma účet odemknout vlastní zážitek ze čtení.