19 czerwca 2020 1,193 czytań

@arbaazsamaArbaaz Siddiqui

Student informatyki.

ten post obejmuje wszystko, czego potrzebujesz do podróży jako początkujący. Wszystkie zasoby są dostarczane z linkami. Potrzebujesz tylko czasu i poświęcenia.

podzieliłem ten post na kilka programów, jak pokazano poniżej:

• ścieżka A. 4 do 5 miesięcy
• ścieżka B. 2 miesiące lub mniej
• ścieżka C. 1 miesiąc lub mniej

ścieżka A: Ucz się w ciągu 4 do 5 miesięcy.

Część 1: Zacznij od uczenia maszynowego, 2 miesiące.

• kurs uczenia maszynowego Uniwersytetu Stanforda (coursera.org / learn / machine-learning)
• zanim uruchomisz sieć neuronową w tygodniu 5 na kursie Coursera, wypełnij listę odtwarzania sieci neuronowych przez 3BIue1Brown.
• myślę, że kurs Coursera trochę przyspiesza część sieci neuronowych, jest fantastyczna darmowa książka online na temat sieci neuronowych i głębokiego uczenia (neuralnetworkanddeeplearning.com)
• teraz wiele pojęć z zakresu uczenia maszynowego i literatury głębokiego uczenia zacznie mieć dla ciebie sens. Dla Zabawy, udaj się na blogi Chriss Olah, są niesamowite! (http://colah.github.io/)

część 2: Deep Learning, 1 miesiąc.

• zanim zaczniesz Deep Learning, musisz odświeżyć trochę matematyki uniwersyteckiej. Książka Deep Learning autorstwa Iana Goodfellowa, polecam Ci jak najgłębiej przejrzeć rozdziały algebry liniowej, prawdopodobieństwa i teorii informacji.
• moim najlepszym wyborem na rozpoczęcie głębokiego uczenia jest specjalizacja Andrew Ng Deep Learning. (coursera.org/specializations/deep-learning
• czas też przeczytać rozdział 3, 4, 5, 6 z neuralnetworkanddeeplearning.com aby wzmocnić swoje koncepcje

: jeśli pracujesz w pełnym wymiarze godzin na tych kursach, myślę, że jest to możliwe, aby zakończyć zawartość każdego tygodnia w 1~2 dni. Więc nie daj się zastraszyć
harmonogramem. Ale daj sobie trochę czasu na oddychanie między kursami.

Część 3: praktyczne wdrożenie Deep Learning (1 ~ 2 miesiące).

Fast.ai ma wspaniałe źródło praktycznego uczenia się głębokiego (course.fast.ai), podczas gdy Andrew Ng lub inni uczą w podejściu odgórnym (najpierw wiedzą, potem fast.ai uczy w podejściu oddolnym (najpierw zrób, potem dowiedz się).Dwa inne kursy, o których chciałbym wspomnieć, to CS231n i CS224n Uniwersytetu Stanforda. CS231n koncentruje się na wizji komputerowej z głębokim uczeniem, a CS224n koncentruje się na modelowaniu sekwencji, takich jak przetwarzanie języka naturalnego z głębokim uczeniem.

ścieżka B: Ucz się w 2 miesiące lub mniej.

Ukończ pierwsze 5 tygodni kursu uczenia maszynowego z Coursera, wykonaj ćwiczenia z programowania.

• oglądaj playlistę sieci neuronowych z kanału youtube 3blue1brown.
• Ukończ kurs (Sieci neuronowe i Deep Learning) ze specjalizacji Deep Learning w Coursera. Wykonuj ćwiczenia.
• jeśli chcesz rozpocząć projekt przetwarzania obrazu, weź udział w 4. kursie specjalizacji ln Coursera lub jeśli chcesz pracować nad przetwarzaniem języka naturalnego lub danymi sekwencyjnymi, weź udział w kursie nr 5.

Szukaj realizacji open source i filmów na YouTube projektów, które Cię interesują. jeśli obawiasz się, jakiego języka użyć, myślę, że dobrze jest pozostać przy Keras (Keras jest biblioteką sieci neuronowych open-source napisaną w Pythonie)

ścieżka C: Ucz się w 1 miesiąc lub mniej.

• przejrzyj kurs Coursera Machine Learning tydzień 1 do 5. Wystarczy obejrzeć filmy, zrozumieć koncepcję. Możesz pominąć tutoriale MATLAB/Octave w tygodniu 3.
• oglądaj playlistę sieci neuronowych z kanału 3blue1brown na youtube.
• przejrzyj kurs (Sieci neuronowe i Deep Learning) ze specjalizacji Deep Learning w Coursera.
• jeśli chcesz zrobić projekt przetwarzania obrazu przeczytaj rozdziały z książki Nielsena: neuralnetworksanddeeplearning.com/chap6.html
• Siraj Raval ma kilka ciekawych filmów, które dadzą ci streszczenie większości tematów ML i DL.

Szukaj realizacji open source i filmów na YouTube projektów, które Cię interesują. I dostosuj je do swoich potrzeb

linki & opcjonalne zasoby.

Sieci neuronowe i głębokie uczenie:
coursera.org/learn/neural-networks-deep-learning

Modelowanie sekwencji –
colah.github.io/posts/2OI5-08-Unndersting-LSTMs /

Siraj Raval: Kanał Youtube

proponuję śledzić 2 minut papieru na YouTube, aby uzyskać
zaktualizowany o cuda, które naukowcy robią z głębokim pochyleniem na całym świecie.

Tagi