入门深度学习与机器学习的经验和学习路径

程序员大白

共 1899字,需浏览 4分钟

 · 2022-06-11

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!


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




西[]



浏览 62
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报