入门深度学习与机器学习的经验和学习路径-技术圈

点击上方“程序员大白”，选择“星标”公众号

重磅干货，第一时间送达

作者：Caliber（清华大学应用数学博士在读）

链接：https://zhuanlan.zhihu.com/p/150507220

本文转载自：深度学习算法与计算机视觉

最近接触深度学习与机器学习已经有一段时间了，也算个初级炼丹选手了，就想分享一些关于如何入门机器学习与深度学习的经验和学习路径。

前期准备工作：

1. 一颗持之以恒的心(这是最重要的)

2. 学会通过检索解决自己的问题(在学习的过程中遇到的绝大多数问题都可以通过检索解决)

3. 数学基础：高等数学、线性代数、概率论与数理统计和一点点优化

4. 一台电脑(最好有GPU)，如果条件允许，还需要有一台配置有GPU的服务器

有了以上这些，我们就可以开始下载安装软件了。

推荐使用 Anaconda3+Pycharm

下载地址如下：https://www.anaconda.com/products/individual

https://www.jetbrains.com/pycharm/download/

一般初学者下载社区版，即Community即可。

关于下载安装以及基本的配置，这里不讲了，这里就是展开锻炼你检索能力的第一步，网络有大量的资料告诉你如何安装配置。

刚开始推荐使用 Jupyter&Spyder, 熟悉之后比较大型的项目就可以开始使用 Pycharm了。

现在基础准备工作就绪了。可以开始进入学习环节。

首先就是python基础的学习，这里我个人比较推荐的是Python基础以及数据分析一起进行学习。基础的学习路径如下：

python基础

先看莫烦的python基础教学视频，非常的友好而且基础。

https://www.bilibili.com/video/BV1wW411Y7ai

说到刚刚的视频基础言外之意就是说不太够用，下面推荐学习以下视频：利用python做数据分析https://urlify.cn/JV7NBr

是一个台湾老师的视频，讲解非常细致，但稍微有一些长。

机器学习

在学习完上面的两个视频之后，你就已经具备了很好的python编程基础了。下面可以正式进入的到机器学习的学习环节中来。

比较推荐的学习路径如下：

去看李航老师的《统计学习方法》并且配合代码一起使用（代码在github上应该非常容易找到）

上面的过程应该会比较困难，因为有大量的数学推导，在弄懂这些数学推导后，结合代码和具体例子一起，收获会更多。

深度学习与实战

在完成了传统的机器学习之后，就可以正式进入深度学习的环节：

这里我的建议是，先学习相关基础知识，然后进入实战环节。

这里因为我个人使用的是Pytorch的框架，就就讲讲Pytorch的学习吧。如果按照我的这个学习方法能走到这一步的童鞋话，如何学习Pytorch应该也不需要我多言了吧。我在这边就推荐一些除了官方文档之外的学习资料吧。

首先是Github上一个韩国人写的高赞文档：

https://github.com/yunjey/pytorch-tutorial

里面的代码十分优雅，并且包含了一些比较经典的模型，非常值得好好读一读，跑一跑。

还有一个我非常推荐的学习资料就是动手学习深度学习的pytorch版本，里面分为了从零开始实现以及通过Pytorch实现两部分，兼顾了理论以及实践。

https://tangshusen.me/Dive-into-DL-PyTorch/#/

最后推荐一个关于实战的视频，是七月在线的，在B站上面有，我这边挂出来(不知道会不会侵权欸，如果有侵权的话，请及时联系我删除)。https://urlify.cn/bqYRNr

这个视频主要集中在NLP领域，也有一些CV的。下面再贴一个关于CV的实战视频，但好像是TF框架的，关于CV的中文pytorch视频我还没发现什么很好的，这里就暂时保留吧，英文的视频就强烈推荐斯坦福的CS231。https://urlify.cn/ZNrUNr

暂时就写这么一些吧，完成了以上这些，就已经是个初级炼丹选手了，什么看论文，做做实际项目等这些事就都可以入手了，多动手自己做，多多思考，一定能逐步提高的，与诸君共勉！

推荐阅读
13个你一定要知道的PyTorch特性
解读：为什么要做特征归一化/标准化？
一文搞懂 PyTorch 内部机制
张一鸣：每个逆袭的年轻人，都具备的底层能力

关于程序员大白

程序员大白是一群哈工大，东北大学，西湖大学和上海交通大学的硕士博士运营维护的号，大家乐于分享高质量文章，喜欢总结知识，欢迎关注[程序员大白]，大家一起学习进步！