原作：馬蘇姆·哈桑

文耕編譯

由Qubits 制作|公眾號(hào)QbitAI

如何開始機(jī)器/深度學(xué)習(xí)？

要回答這個(gè)問題，首先要考慮的問題是：你有多少時(shí)間？

三個(gè)月準(zhǔn)備上手，和一個(gè)月想要上手，絕對(duì)是完全不同的路。當(dāng)然，我建議你慢慢來，至少花五個(gè)月的時(shí)間來學(xué)習(xí)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。

基礎(chǔ)很重要，知其所以然也很重要。畢竟，工具總是在改進(jìn)，更好的深度學(xué)習(xí)技術(shù)每個(gè)月都會(huì)出現(xiàn)，但基礎(chǔ)知識(shí)保持不變。

五個(gè)月如何開始？以下是分三部分的詳細(xì)指南。 （而且，如果你真的時(shí)間不夠，最后還有一個(gè)快速指南）

五個(gè)月的介紹第1 部分：從機(jī)器學(xué)習(xí)開始（兩個(gè)月）

最好的入門教程是Andrew Ng 教授的機(jī)器學(xué)習(xí)。吳恩達(dá)的這門課程已經(jīng)發(fā)布很長時(shí)間了。雖然它在某些地方稍微有些過時(shí)，但相信我，沒有任何公開課程可以比吳恩達(dá)更好地教授它。從字面上看，到課程結(jié)束時(shí)我?guī)缀蹩蘖恕?

這門課程可以說適合任何水平的學(xué)生。當(dāng)然，您最好知道如何將兩個(gè)矩陣相乘并對(duì)編程有一些基本的了解。

這套課程可以通過門戶網(wǎng)站在Coursera 上學(xué)習(xí)：

https://www.coursera.org/learn/machine-learning

您還可以通過門戶網(wǎng)站觀看互聯(lián)網(wǎng)上的公開課程：

http://open.163.com/special/opencourse/machinelearning.html

如果您有時(shí)間，請(qǐng)務(wù)必完成整個(gè)課程。如果時(shí)間緊迫，至少要聽前五課，其余的可以暫時(shí)跳過。

吳恩達(dá)的機(jī)器學(xué)習(xí)課程深入講解了經(jīng)典的機(jī)器學(xué)習(xí)模型，例如線性回歸、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、PCA、無監(jiān)督學(xué)習(xí)等。大多數(shù)重要概念都以簡單易懂的方式呈現(xiàn)。以理解的方式。

課程延伸

當(dāng)您進(jìn)入第五課時(shí)，即開始討論神經(jīng)網(wǎng)絡(luò)時(shí)，建議開始查看與課程平行的外部材料。比如3bule1brown推出的神經(jīng)網(wǎng)絡(luò)講解視頻。推薦必看。

YouTube 門戶：

https://youtu.be/aircAruvnKk 列表=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi

或者您可以去B站查看：

http://space.bilibili.com/88461692/#/

這是一個(gè)例子：

另外，我認(rèn)為吳恩達(dá)在談?wù)撋窠?jīng)網(wǎng)絡(luò)時(shí)有點(diǎn)快，所以我建議閱讀一些額外的信息。例如，有關(guān)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的免費(fèi)在線書籍會(huì)很棒。

門戶網(wǎng)站：

http://neuralnetworksanddeeplearning.com/

作者M(jìn)ichael A. Nielsen 以簡單直觀的方式探索了神經(jīng)網(wǎng)絡(luò)的每一個(gè)細(xì)節(jié)。建議與Ng 的課程同時(shí)閱讀本書的前兩章。當(dāng)您熟悉更多概念并開始從事深度學(xué)習(xí)時(shí)，您可以閱讀本書的其余部分。

如果你英語不好，這本書《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》還有中文翻譯版本，可以在線免費(fèi)查看。

感謝翻譯者，傳送門在這里：

https://tigerneil.gitbooks.io/神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)-en/content/

學(xué)習(xí)完這一部分后，您將能夠理解機(jī)器/深度學(xué)習(xí)的許多概念。最后，我推薦閱讀Christopher Olah的博客，非常有趣。

傳送門：http://colah.github.io/

第2 部分：參與深度學(xué)習(xí)（1 個(gè)月）

在開始學(xué)習(xí)深度學(xué)習(xí)之前，最好溫習(xí)一下大學(xué)數(shù)學(xué)。伊恩·古德費(fèi)洛(Ian Goodfellow) 的傳奇《花之書》《深度學(xué)習(xí)》 簡潔地總結(jié)了最重要的主題。

建議您盡可能深入地閱讀有關(guān)線性代數(shù)、概率論和信息論的章節(jié)。每當(dāng)你在閱讀論文時(shí)遇到深度學(xué)習(xí)概念時(shí)，你都可以在書中找到參考資料。

此外，這本書還有在線版本。

例如，英文版本在這里：

https://github.com/janishar/mit-deep-learning-book-pdf/blob/master/complete-book-bookmarked-pdf/deeplearningbook.pdf。

中文翻譯版本在這里：

https://github.com/exacity/deeplearningbook-chinese

網(wǎng)上有很多關(guān)于深度學(xué)習(xí)的信息，你可能會(huì)眼花繚亂。

再次，我認(rèn)為最好的選擇是聽Ng Enda的《深度學(xué)習(xí)專項(xiàng)系列課程（Deep Learning Specialization）》。

Coursera 門戶：

https://www.coursera.org/specializations/deep-learning

網(wǎng)易云課堂入口：

https://mooc.study.163.com/smartSpec/detail/1001319001.htm/

本課程由五個(gè)主要章節(jié)組成。它實(shí)際上不是免費(fèi)的，您可以每月支付50 美元購買。當(dāng)然，如果你負(fù)擔(dān)不起，也可以申請(qǐng)“助學(xué)金”。申請(qǐng)時(shí)請(qǐng)?jiān)敿?xì)說明理由。處理時(shí)間大約需要15天。

當(dāng)然，不收費(fèi)，而且大部分內(nèi)容都可以觀看。除了視頻部分，在很多地方也可以免費(fèi)觀看。

這五門課程主要涵蓋：

1.神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)（4周）

2. 改進(jìn)深度神經(jīng)網(wǎng)絡(luò)（3周）

3. 結(jié)構(gòu)化機(jī)器學(xué)習(xí)項(xiàng)目（2周）

4. 卷積神經(jīng)網(wǎng)絡(luò)（4周）

5. 序列模型（3周）

前三門課程涵蓋一般神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，第四門和第五門課程涵蓋特定主題。如果你打算搞視覺，一定要聽第四課；如果你打算從事NLP、音頻等，一定要聽第五課。但如果你需要聽第五課，那么建議你也仔細(xì)聽第四課。

我想鼓勵(lì)大家，課程中每周的內(nèi)容其實(shí)一兩天就能學(xué)會(huì)，所以不要被課程安排嚇倒。勞逸結(jié)合，提高效率。

一旦你了解了這一點(diǎn)，你實(shí)際上可以去http://neuralnetworksanddeeplearning.com/查看第3章到第6章的內(nèi)容來強(qiáng)化你的概念。如果還有不明白的地方，請(qǐng)前往Olah的博客。

并且，這個(gè)時(shí)候你就得開始閱讀深度學(xué)習(xí)論文，并從中學(xué)習(xí)知識(shí)。深度學(xué)習(xí)有一個(gè)很強(qiáng)的特點(diǎn)，那就是內(nèi)容很新，看論文是跟上時(shí)代的唯一途徑。如果你不想落后，那么你最好養(yǎng)成看論文的好習(xí)慣。

第3 部分：深度學(xué)習(xí)入門（兩個(gè)月）

學(xué)完這些后，你應(yīng)該對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的大多數(shù)概念有正確的理解?，F(xiàn)在是時(shí)候進(jìn)入沸騰的現(xiàn)實(shí)生活了。

要練習(xí)深度學(xué)習(xí)，最好的資源是fast.ai。

門戶網(wǎng)站在這里：http://course.fast.ai/

他們?cè)诹餍械纳疃葘W(xué)習(xí)工具PyTorch 上構(gòu)建了一個(gè)庫，只需幾行代碼即可實(shí)現(xiàn)世界一流的性能。

fast.ai 的理念有點(diǎn)不同。 Ng Enda等老師的教學(xué)方法是自上而下，先教后做。 Fast.ai提倡自下而上，先干了再談。

因此，在他們的課程中，第一部分將帶您構(gòu)建一個(gè)強(qiáng)大的圖像分類器。訓(xùn)練自己的模型的興奮感會(huì)激勵(lì)您完成課程的其余部分。

另外，推薦兩門課程。

來自斯坦福大學(xué)的CS231n 和CS224n。 CS231n 專注于計(jì)算機(jī)視覺的深度學(xué)習(xí)，而CS224n 專注于序列建模。

CS231n，李飛飛等人主講。

官網(wǎng)傳送門：http://cs231n.stanford.edu/

CS224n，目前由Richard Socher 教授。

官網(wǎng)傳送門：http://web.stanford.edu/class/cs224n/

以前的課程也可以在線觀看，并配有中文字幕。你可以自己搜索一下。

為期五個(gè)月的機(jī)器/深度學(xué)習(xí)介紹到此結(jié)束。

希望大家能夠踏踏實(shí)實(shí)做事，打牢基礎(chǔ)。

最后，兌現(xiàn)最初的承諾。如果你確實(shí)時(shí)間緊迫，必須盡快開始機(jī)器/深度學(xué)習(xí)，那么請(qǐng)參閱——

快速指南我最多只有兩個(gè)月的時(shí)間

1. 在完成吳恩達(dá)機(jī)器學(xué)習(xí)課程的前五周內(nèi)，您將需要進(jìn)行編程練習(xí)。

2.觀看3Blue1Brown的視頻。

3.完成Ng Enda系列特色深度學(xué)習(xí)課程并做練習(xí)。

4. 如果您想處理圖像，請(qǐng)參閱專題課程的第四講。如果您想研究NLP 或序列數(shù)據(jù)，請(qǐng)轉(zhuǎn)到第5 講。

5. 搜索您感興趣的開源實(shí)現(xiàn)。如果您還沒有決定使用哪種語言，我推薦Keras。然后根據(jù)需要遷移到TensorFlow 或PyTorch 框架。

我，只有一個(gè)月

30天內(nèi)上手是非常困難的。除非，你只是想了解機(jī)器學(xué)習(xí)是如何工作的，然后將其應(yīng)用到你自己的項(xiàng)目中。

如果是這種情況，這里有一些快速建議：

1. 瀏覽吳恩達(dá)機(jī)器學(xué)習(xí)課程第1-5 周的課程，觀看視頻并掌握概念。第三周可以跳過MATLAB/Octave 課程。

2.觀看3Blue1Brow的視頻。

3. 瀏覽吳恩達(dá)深度學(xué)習(xí)系列的第一課，即神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。

4.如果想做圖像處理項(xiàng)目，可以看看Nielsen的書第6章：http://neuralnetworksanddeeplearning.com/chap6.html

如果您需要有關(guān)序列建模的一些想法，請(qǐng)查看Olah 的博客：http://colah.github.io/posts/2015-08-Understanding-LSTMs/

5. Siraj Raval 制作了許多有趣的視頻，涵蓋大多數(shù)機(jī)器/深度學(xué)習(xí)主題。門戶網(wǎng)站在這里：https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A

6.搜索您感興趣的開源實(shí)現(xiàn)，并隨時(shí)調(diào)整它們以滿足您的需求。如前所述，我建議您從帶有TensorFlow 后端的Keras 語言開始。

其他資源YouTube 上有一個(gè)兩分鐘的論文閱讀系列視頻，可以幫助您快速了解全球深度學(xué)習(xí)最熱門的發(fā)展。

如果您關(guān)注機(jī)器學(xué)習(xí)領(lǐng)域的進(jìn)展，Twitter 是一個(gè)出色的工具。

當(dāng)你遇到困難時(shí)，請(qǐng)記住，Reddit 和Facebook 上有很多志同道合的人。不要猶豫向社區(qū)尋求幫助，每個(gè)人都會(huì)伸出援助之手。

結(jié)論機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是當(dāng)今世界上最令人著迷的技術(shù)之一。而該領(lǐng)域的深度學(xué)習(xí)專家始終供不應(yīng)求。從職業(yè)角度來看，深度學(xué)習(xí)非常有吸引力。

需要提醒的是，與計(jì)算機(jī)科學(xué)的其他領(lǐng)域不同，深度學(xué)習(xí)的資源還不夠豐富。很多時(shí)候你會(huì)遇到失敗和挫折。不要灰心。你可以向更多人尋求幫助。很多人愿意伸出援助之手，每個(gè)人都在學(xué)習(xí)。

關(guān)于機(jī)器/深度學(xué)習(xí)存在一種誤解，認(rèn)為您需要計(jì)算機(jī)科學(xué)背景才能學(xué)習(xí)它。這不是真的，您確實(shí)需要一些編程思維才能開始，但僅此而已?，F(xiàn)在機(jī)器學(xué)習(xí)領(lǐng)域的許多專家都來自其他研究領(lǐng)域。

如果您有計(jì)算機(jī)科學(xué)背景，那么這是一個(gè)很好的起點(diǎn)。但如果你來自其他學(xué)科，追趕并不難。

感謝您看到這個(gè)。

如果您有任何疑問或建議，請(qǐng)留言。如果你想直接聯(lián)系本文的熱心原作者，這里是傳送門：

https://medium.com/@youngladesh/absolute-beginners-guide-to-machine-learning-and-deep-learning-7fa032944047

- 超過-

誠意招聘

Qubit正在招聘編輯/記者到北京中關(guān)村工作。我們期待有才華、有熱情的學(xué)子加入我們！相關(guān)詳情請(qǐng)?jiān)诹孔颖忍毓娞?hào)（QbitAI）對(duì)話界面回復(fù)“招聘”。量子比特QbitAI·今日頭條簽約作者

'' 追蹤AI技術(shù)和產(chǎn)品新進(jìn)展