Articles

Maskininlärning 101: Hur och var du ska börja för absoluta nybörjare

juni 19th 2020 1,193 läser

det här inlägget täcker allt du behöver för din resa som nybörjare. Alla resurser är försedda med länkar. Du behöver bara tid och ditt engagemang.

jag har separerat detta inlägg i flera program som visas nedan:

  • sökväg A. 4 till 5 månader
  • sökväg B. 2 månader eller mindre
  • sökväg C. 1 månad eller mindre

sökväg a: lär dig om 4 till 5 månader.

Del 1: Börja med maskininlärning, 2 månader.

  • Maskininlärningskurs av Stanford University (coursera.org / learn / machine-learning)
  • när du startar Neural Network på Vecka 5 på Coursera-kursen, Slutför Neural Networks-spellistan av 3BIue1Brown.
  • jag tror att Coursera-kursen rusar den neurala nätverksdelen lite, det finns en fantastisk gratis onlinebok om neuralt nätverk och djupt lärande (neuralnetworkanddeeplearning.com)
  • nu kommer många av begreppen inom maskininlärning och Djupinlärningslitteratur att börja ge mening åt dig. För skojs skull, gå över till Chriss Olahs bloggar, de är fantastiska! (http://colah.github.io/)

del 2: djupt lärande, 1 månad.

  • innan du börjar djupt lärande måste du borsta upp lite universitetsmatematik. The Deep Learning Book av Ian Goodfellow, jag rekommenderar att du går igenom linjär Algebra och sannolikhets-och informationsteori kapitel så djupt som möjligt.
  • mitt bästa val för att starta djupt lärande är med Andrew ngs Deep Learning specialization. (coursera.org/specializations/deep-learning)
  • det är också dags att läsa Kapitel 3, 4, 5, 6 från neuralnetworkanddeeplearning.com för att stärka dina koncept

Timing: om du arbetar heltid på dessa kurser tror jag att det är möjligt att avsluta varje veckas innehåll på 1~2 dagar. Så bli inte skrämd av
schemat. Men ge dig själv lite tid att andas mellan kurser.

del 3: praktiskt genomförande av djupt lärande (1~2 månader).

Fast.ai har en underbar resurs för praktisk djupinlärning (course.fast.ai), medan Andrew Ng eller andra undervisar i en Top-down-strategi (vet först, gör senare) fast.ai undervisar i en bottom-up-strategi (gör först, vet senare).Två andra kurser jag skulle nämna är Cs231n och CS224n av Stanford University. CS231n fokuserar på datorseende med djupinlärning, och CS224n fokuserar på Sekvensmodellering som naturlig språkbehandling med djupinlärning.

sökväg B: lär dig om 2 månader eller mindre.

Slutför de första 5 veckorna av Maskininlärningskursen från Coursera, gör programmeringsövningarna.

  • titta på Neural Network-spellistan från 3blue1brown youtube-kanal.
  • komplett kurs (neurala nätverk och djupt lärande) från Deep Learning specialisering i Coursera. Gör övningarna.
  • om du vill starta ett Bildbehandlingsprojekt, ta 4: e kursen ln Coursera specialisering eller om du vill arbeta med naturlig språkbehandling eller sekvensdata, ta kurs nr 5.

Sök efter open source-implementering och YouTube-videor av projekt som du är intresserad av. om du är orolig för vilket språk du ska använda, tycker jag att det är bra att stanna hos Keras (Keras är ett open-source neuralt nätverksbibliotek skrivet i Python)

Path C: Lär dig om 1 månad eller mindre.

  • skumma igenom Coursera Machine Learning kurs Vecka 1 till 5. Titta bara på videon, förstå konceptet. Du kan hoppa över Matlab / Octave tutorials i Vecka 3.
  • titta på Neural Network-spellistan från 3blue1brown youtube-kanal.
  • skumma igenom kursen (neurala nätverk och djupt lärande) från Djupinlärningsspecialisering i Coursera.
  • om du vill göra ett Bildbehandlingsprojekt läs kapitlen från Nielsens bok: neuralnetworksanddeeplearning.com/chap6.html
  • Siraj Raval har några intressanta videor för att ge dig en sammanfattning av de flesta ML-och DL-ämnen.

Sök efter open source-implementering och YouTube-videor av projekt som du är intresserad av. Och hålla tweaking dem till ditt behov

länkar & valfria resurser.

neurala nätverk och djupt lärande:
coursera.org/learn/neural-networks-deep-learning

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

Siraj Raval: Youtube-kanal

jag föreslår att du följer 2 minuters papper på YouTube för att få
uppdaterad med de underverk som forskare gör med djupt lutande runt om i världen.

Tags

Join Hacker Noon

skapa ditt kostnadsfria konto för att låsa upp din anpassade läsupplevelse.