Articles

Machine Learning 101: Hoe En Waar Te Beginnen Voor Absolute Beginners

19 juni 2020 1,193 leest

dit bericht behandelt alles wat u nodig heeft voor uw reis als Beginner. Alle bronnen zijn voorzien van links. Je hebt tijd en toewijding nodig.

ik heb dit bericht opgesplitst in verschillende programma ‘ s zoals hieronder getoond:

  • pad A. 4 tot 5 maanden
  • pad B. 2 maanden of minder
  • pad C. 1 maand of minder

pad A: leer in 4 tot 5 maanden.

deel 1: Begin met Machine Learning, 2 maanden.

  • Machine Learning cursus van Stanford University (coursera.org / learn / machine-learning)
  • tegen de tijd dat u Neural Network start in week 5 van de Coursera-cursus, voltooit u de Neural Networks-afspeellijst met 3BIue1Brown.
  • ik denk dat de Coursera cursus haast het neurale netwerk deel een beetje, er is een fantastisch gratis online boek over neurale netwerk en Deep Learning (neuralnetworkanddeeplearning.com)
  • nu zullen veel van de concepten in Machine Learning en Deep Learning literatuur voor u zinvol beginnen te worden. Voor de lol, ga dan naar Chriss olah ‘ s blogs, ze zijn geweldig! (http://colah.github.io/)

deel 2: diep leren, 1 maand.

  • voordat je begint met Deep Learning, moet je wat Universitaire wiskunde opfrissen. Het Deep Learning Boek van Ian Goodfellow, ik zou je aanraden om door lineaire Algebra en kansrekening en informatie theorie hoofdstukken zo diep als je kunt.
  • mijn beste keuze om Deep Learning te starten is met Andrew Ng ‘ s Deep Learning specialisatie. (coursera.org/specializations/deep-learning)
  • het is ook tijd om Hoofdstuk 3, 4, 5, 6 van neuralnetworkanddeeplearning.com om uw concepten te versterken

Timing: als u fulltime werkt op deze cursussen, ik denk dat het mogelijk is om de inhoud van elke week te voltooien in 1~2 dagen. Laat u dus niet intimideren door
het schema. Maar geef jezelf wat tijd om te ademen tussen de gangen.

deel 3: praktische implementatie van Deep Learning (1~2 maanden).

Fast.ai heeft een prachtige bron voor praktische Deep Learning (course.fast.ai), terwijl Andrew Ng of anderen lesgeven in een Top-down benadering (eerst weten, later doen) fast.ai geeft les in een bottom-up benadering (eerst doen, later weten).Twee andere cursussen die ik zou noemen is CS231n en CS224n van Stanford University. CS231n is gericht op computervisie met diep leren, en CS224n richt zich op Opeenvolgingsmodellering zoals natuurlijke taalverwerking met diep leren.

pad B: leren binnen 2 maanden of minder.

voltooi de eerste 5 weken van de Machine Learning cursus van Coursera, doe de programmeeroefeningen.

  • bekijk de neurale netwerk afspeellijst van 3Blue1Brown youtube kanaal.
  • volledige cursus (neurale netwerken en Deep Learning) van Deep Learning specialisatie in Coursera. Doe de oefeningen.
  • als u een Beeldverwerkingsproject wilt starten, volg dan de 4e cursus in Coursera specialisatie of als u wilt werken aan de verwerking van natuurlijke taal of sequentiegegevens, neem dan cursus nr. 5.

zoek naar open source-implementatie en YouTube-video ‘ s van projecten waarin u geïnteresseerd bent. als je je zorgen maakt over welke taal Je moet gebruiken, denk ik dat het goed is om bij Keras te blijven (Keras is een open-source neurale netwerkbibliotheek geschreven in Python)

pad C: leer in 1 maand of minder.

  • Skim via Coursera Machine Learning cursus Week 1 tot 5. Bekijk gewoon de video ‘ s, begrijp het concept. U kunt de MATLAB/Octave tutorials overslaan in Week 3.
  • bekijk de neurale netwerk afspeellijst van 3Blue1Brown youtube kanaal.
  • Skim through Course (Neural Networks and Deep Learning) from deep Learning Specialization in Coursera.
  • als u een Beeldverwerkingsproject wilt uitvoeren, lees dan de hoofdstukken uit het boek van Nielsen: neuralnetworksanddeeplearning.com/chap6.html
  • Siraj Raval heeft een aantal interessante video ‘ s om u een overzicht te geven van de meeste ML en DL onderwerpen.

zoek naar open source-implementatie en YouTube-video ‘ s van projecten waarin u geïnteresseerd bent. En blijf ze aanpassen aan uw behoefte

Links & optionele bronnen.

Neurale Netwerken en Diep Leren:
coursera.org/learn/neural-networks-deep-learning

Volgorde Modeling-
colah.github.io/posts/2OI5–08-Unndersting-LSTMs/

Siraj Raval: Youtube-Kanaal

ik zou je aanraden om te volgen 2 minuten Papier op YouTube te krijgen
bijgewerkt met de wonderen die onderzoekers zijn bezig met een Diepe Leunend over de hele wereld.

Tags

Join Hacker ‘ s middags

Maak je gratis account aan om te ontgrendelen uw aangepaste leeservaring.