刚开始研究深度学习,发现网上各种资料真是太多了。不知道从何下手。现在在看《Python基础教程》、Peter harrington《机器学习实战》和李航的《统计学习方法》,计划下一步看LISA的Deep Learning Tutorial,这看很多人说还要看神经网络方面的内容,但感觉如果再看神经网络,这看啥资料比较好,这样一下上手就比较慢了。还是直接就看Deep Learning Tutorial,到时候缺啥补啥?请各位大牛指教指教多谢了
如果要深度学习,这门学科还要分的再细。从自己所在的领域缩窄知识面,才能做到专而精。当然,专业之外的东西也要了解,最好是限于对自己有用的东西。
最开始的时候我是翻看了《deep learning》那本书的目录,从目录来看深度学习的内容是从线性代数开始,到概率论,数值分析,机器学习算法等等。于是我的学习之路就是按这个流程下来的。首先看了3B1B的线性代数微积分视频,这一系列的视频做的非常好,建议需要捡起高数和线代的同志们去B站找找。然后就是看概率论,捡起基础。接着就看了些机器学习算法介绍的教学视频,计划看hiton的公开课,可是还没开始。然后就是tensorfliw的学习了。学习还在继续,估计离入门都还有点距离呢!
* 版权声明 :社区问答内容由互联网用户编辑提交,本社区不拥有所有权,也不承担相关法律责任。如果您发现本社区中有涉嫌侵权、暴力、色情、反
动等言论,欢迎发送邮件至: 进行举报并提供初步证明,一经查实,本社区将立刻删除相关内容。