如果你还在苦苦寻找机器学习和深度学习入门资料的话, 或许可以看看本文我的一些推荐, 这些材料我自己都学过一遍, 分享一下点评, 希望对你有帮助. 注意, 本文只是点评这些资源, 不提供任何资源的盗版下载, 所有资源我本人都是正版获取也不会对外分享.
1 Coursera 机器学习 by Andrew Ng
https://www.coursera.org/learn/machine-learning
目前应该是免费课程
点评: 非常好的零基础入门课程, 可惜课程使用 Octave 而不是 Python+Jupyter Notebook 来教学, 有点旧了(扣一星).Andrew 授课的特点是:
即使一点机器学习的基础都没有, 也可以听懂, 他会从需要的最基本的数学知识的根开始说起
没有 PPT, 都是边说变手写要表达的内容, 这比静态的 PPT 一页一页播放强很多
总是安慰学员听不懂不要紧以后会详述或是做了作业就清晰了, 确实也是这样, 作业设计的很好
虽然自己是大牛, 但是总是会说自己有的时候也会很难理解这些东西, 让学的人觉得自己好像并没有这么蠢
应该说市面上很难找到比这个课程再容易入门的机器学习课程了, 但是也是这个课的缺点, 就是过于基础, 稍微超出基本入门范畴的东西就点到为止, 四颗星推荐
2 Coursera 深度学习 by Andrew Ng(DeepLearning.ai)
https://www.coursera.org/specializations/deep-learning
目前这个课按照月收费, 每个月 300 人民币左右
点评: 其实这是 Andrew 创办的公司 DeepLearning.ai 推出的系列课程, 一共五门. 同样的之前说的授课特点, 补充几点:
作业设计的特别特别好, 基础不好的人也可以顺利完成作业, 很有成就感, 作业里面会让你实现核心的内容, 把周边不重要的东西都帮你实现了
每周都加入了一些深度学习大牛的专访, 学习了专门课程对业内一些大牛也了如指掌了
深度学习的一些诸如 YOLO,RNN,Word2Vec 之类的算法其实比较难以理解的, 但是 Andrew 能以通俗的语言来解释
这是市面上最好的深度学习入门课程, 如果学的快的话一般可以一个月内完成, 其实价格也相当合理, 只要 300, 可惜只能作为入门, 很多东西只是点到为止, 不过这就足够了, 五颗星推荐
3 深度学习纳米学位 by 优达学城
http://cn.udacity.com/course/deep-learning-nanodegree-foundation--nd101-cn
7000 多的价格, 还是很贵的
部分 1 简介 大约时长: 5 小时 15 分钟
部分 2 神经网络 [项目: 你的第一个神经网络] 大约时长: 14 天
部分 3 卷积神经网络 [项目: 图像分类] 大约时长: 43 天
部分 4 循环神经网络 - 文本生成 [项目: 生成电视剧剧本 ] 大约时长: 30 天
部分 5 循环神经网络 - 文本翻译 [项目: 语言翻译项目] 大约时长: 21 天
部分 6 生成对抗网络 [项目: 生成人脸] 大约时长: 21 天
部分 7 额外课程 大约时长: 6 小时
点评: 我的感觉课程说的很零散, 感觉这个课程像是拼拼凑凑弄起来的, 如果希望系统学习这个课程是不适合的, 但是这个课程有 3 个亮点:
有专门的课程群, 群里也会定期有一些分享和活动
里面有很多外部学习资料, 可以扩展一些视野
作业或者说的设计还是很不错的, 作业是人工点评的
不过因为课程说的不够系统, 所以只看课程应该是很难完成作业的, 需要自己看一些其他的资源才能完成项目, 看了 Andrew 的课程再看这里的视频就觉得说的太快太散了, 很多东西一笔带过
就我的感觉这课程不适合零基础入门, 7000 多的价格性价比还是很低的, 当然, 如果需要一个学习的氛围可以试试, 课程是有时效限制的, 过期不能学习, 所以你需要逼自己一下, 三星评分
4 Deep Learning For Computer Vision by Adrian Rosebrock
https://www.pyimagesearch.com/deep-learning-computer-vision-python-book/
有三个所谓的合集, 价格如下, 当然 ImageNet Bundle 是有实体书的所以更贵点:
目录如下:
点评: 这个课程只是针对深度学习和计算机视觉的, 对于希望专研 CV 的人来说这个课程的内容还是不错的, 有下面的特点:
里面提到了很多真正要做工程需要做的东西, 深度学习要用起来还是需要做很多工程工作的
里面有各种各样 CNN 架构的模型以及作者训练的过程的一些分析
里面有不少精心准备的例子, 所有都有源代码
缺点是作者开始感觉是在认真写书, 讲原理, 后期感觉就是在贴代码做代码讲解了, 草草了事的感觉, 所以到后面讲解就非常少, 而且作者对于模型的训练自己都做的不是很彻底
这三套书价格还是比较高的, 不过应该是市面上说 CNN 说的最最完整的书了, 例子也相当多, 代码质量比较高, 如果真对 CV 有兴趣还是值得一看的, 三颗半星评分
5 CS231n by 斯坦福大学
http://cs231n.stanford.edu/
免费资源, 可以直接在 youtube 上看到课程录制视频
点评: 如果要学习深度学习特别是 CNN 的话, 看一遍所有的视频是非常有帮助的, 视频说的内容都非常严谨, 而且代表了学术最前沿的研究. http://cs231n.github.io / 中的一些作业和讲义非常非常好, 很清晰, 五颗星推荐
6 Machine Learning Mastery by Jason Brownlee
https://machinelearningmastery.com/
大概 8 本和机器学习相关的书, 每本书的价格 200 元左右, 合集买更便宜一点, 大概有这么一些书:
Linear Algebra for Machine Learning
Master Machine Learning Algorithms
ML Algorithms From Scratch
Machine Learning Mastery With Weka
Machine Learning Mastery With R
Machine Learning Mastery With Python
Time Series Forecasting With Python
Deep Learning With Python
Deep Learning for NLP
LSTM Networks With Python
XGBoost With Python
Master Machine Learning Algorithms 的目录:
Deep Learning With Python 的目录:
LSTM 的目录:
NLP 的目录:
点评: 和资源 4 类型差不多的书, 只不过这里的一些书不仅仅是 CV 相关的, 对于深度学习 RNN(LSTM 和 NLP 方面)也有专门的 2 本书来介绍, 里面例子也很多, 书价不是很高, 如果希望学习 RNN 学习一下 (市面上很难找到再完整的教材) 这里的资源很好, 三颗半星推荐.
7 Make Your Own Neural Network by Tariq Rashid
https://www.amazon.com/Make-Your-Own-Neural-Network-ebook/dp/B01EER4Z4G
20 美元左右的价格
点评: 薄薄的 200 页的书, 神经网络入门最容易的书了, 比 Andrew 的视频还容易懂, 可以配合视频一起看, 四颗星推荐
总结
如果希望入门一下深度学习, 学习顺序推荐为 1(了解一下机器学习)-> 7(了解一下神经网络)-> 2(入门一下深度学习)-> 4,5(深入学习 CNN) or 6(CNN 和 RNN 都学一点). 书籍方面, 西瓜书和花书是必备的, 也可以买来学习一下.
来源: https://www.cnblogs.com/lovecindywang/p/8876834.html