[深度基礎]·小白如何快速入門深度學習

個人主頁--> https://xiaosongshine.github.io/ 

隨着近年深度學習的興起，很多研究者都投入這個領域當中，由於各個大學都將自己的課程放到了網上，出現了很多學習資源和網絡課程，而且很多大公司如 Google.Facebook 都將 自己的開源框架放到了 Github 上，使得深度學習的人門越來越簡單，很多麻煩的重復操作已經通過框架簡化了 ，這也讓我們每個人都能有機會接觸深度學習 。

網上有各種各樣的學習經驗分享，有的人注重理論知識的積累，看了很多書，但是 動手實踐的經驗為 0; 也有 一 些人熱衷於代碼的實現，每天學習別人已經寫好的代碼 。 對於這兩種情況，我認為都是不好的，深度學習是理論和工程相結合的領域，不僅僅需 要寫代碼的能力強，也需要有理論知識能夠看懂論文，實現論文提出來的新想法 ，所以我們的學習路線應該是理論與代碼相結合，平衡兩邊的學習任務，不能出現只管-邊 而不學另外 -邊的情況，因為只有理論與代碼兼顧才不至於一旦學習深入，就會發現自己會有很多知識的漏洞。

在入門深度學習領域之前，需要一定的 Python語言基礎和微積分、線性代數的基礎，下面將給出的學習建議，以及繼續深入了解深度學習領域的學習建議 。

對於微積分和線性代數需要掌握的知識並不多.對於做積分只需要知道導數和偏導數，對於線性導數只需要知道矩陣乘法就可以了 。

編程基礎

對於 Python語言，給出三個學習資源，學完第一個學習資源之后就可以開始深度學習編程，后續的兩個學習資源幫助你更深入地了解 Python 語言及其數值計算。

( 1 ) 《笨方法學 Python》

本書面向零基礎的學者，通過-系列簡單的例子'快速人門 Python 的基本操作。

( 2 ) 廖雪峰的 Python 人門
這個系列教程可用來更全面地學習 Python，掌握前幾章的 Python基礎即可，后面講授的部分是更為專業的 Web 開發的內容，對於機器學習而言不需要掌握這些部分 。

( 3 ) Edx: JntroductÎon (0 Computer Science and Programming Using Python

這是 MIT 的公開諜，以 Python 作為人門語言，簡潔、全面地講述了計算機科學的內容，適合更進一步的學習。

理論基礎

( 1）線性代數

線性代數相當於深度學習的基石，深度學習里面有着大 量 的短陣運算，而且線性代 數的 一 些矩陣分解的思想也被借鑒到了機器學習中，所以必須熟練掌握線性代數 。 可 參考以下資游、學習:

• 《線性代數應該這樣學》

• MIT 的線性代數公開課

• Coding The Mαtrix

( 2 )機器學習基礎

雖然深度學習現在很火，但是也需要掌握其根本，即機器學習，這才是本質與核心 。 這里的學習資源從易到難排列:

• Coursera 上 AndrewNg 的機器學習入門課程

• 林軒國的機器學習基石和機器學習技法

• Udacity 的機器學習納米學位

• 周志華著的 《機器學習 》

• 李航著的《統計學習方法 》

• Pattern Recognition and Machine Learning

( 3 )深度學習

這是最近幾年最為活躍的研究領域，爆發了很多革命性的突破，很多前沿的學習資源，如:

• Udacity 的兩個深度學習課程

• Coursera 的 Neural 入{etworksfor Machine Learning

• Stanford 的 cs231n

• Stanford 的 cs224n