深度學習入門課程推薦
大家好,今天來給各位想要入門人工智能行業(yè)的小白推薦好課!
周志華教授在《如何做研究》報告中指出,計算機科學發(fā)展到今天,已經(jīng)是一個非常廣袤的學科,人工智能僅僅是其中一個分支。即使在一個分支學科和領(lǐng)域中,也有太多的話題,而深度學習又僅僅是人工智能領(lǐng)域的一個部分。

深度學習在計算機視覺,自然語言處理,圖數(shù)據(jù)等方面獲得了巨大成功。因此,我們推薦的入門課程也圍繞以上方面。
關(guān)鍵詞:計算機視覺,卷積神經(jīng)網(wǎng)絡(luò)
先導課程:高等數(shù)學,線性代數(shù),python編程等
推薦理由: 深度學習代表性人物斯坦福大學李飛飛教授所開課程!!!李飛飛教授團隊開設(shè)該課程多年,授課形式成熟,授課內(nèi)容完善,國內(nèi)外公開資料齊全,對該課程的仔細學習幾乎是每一個小白修煉的必經(jīng)過程。
課程官網(wǎng):
http://cs231n.stanford.edu/
視頻資源:
https://www.bilibili.com/video/BV1nJ411z7fe?from=search&seid=12011234486032902781
優(yōu)秀筆記:
https://github.com/mbadry1/CS231n-2017-Summary

關(guān)鍵詞:自然語言處理,循環(huán)神經(jīng)網(wǎng)絡(luò)
先導課程:高等數(shù)學,線性代數(shù),python編程等
推薦理由:斯坦福大學人工智能實驗室主任Christopher Manning教授所開課程,19年視頻課程已經(jīng)可以在B站找到。如果您學習完了循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)課程,那么恭喜您,您已經(jīng)初步入門深度學習領(lǐng)域,已經(jīng)有了能夠獨立的去看很多論文的能力。
課程官網(wǎng):
http://web.stanford.edu/class/cs224n/
視頻資源:
https://www.bilibili.com/video/BV1pt411h7aT?from=search&seid=1288684166160427783
優(yōu)秀筆記:
https://www.hankcs.com/tag/cs224n/

關(guān)鍵詞:計算機視覺,卷積神經(jīng)網(wǎng)絡(luò),自然語言處理,循環(huán)神經(jīng)網(wǎng)絡(luò)
先導課程:高等數(shù)學,線性代數(shù),python編程等
推薦理由:這門課程同樣是來自斯坦福大學的大牛,深度學習領(lǐng)域代表性人物,吳恩達教授在Coursera上所開。這門課程是國內(nèi)小白的拯救性學習課程,如果你不會微積分,吳教授教你;如果你不會線性代數(shù),吳教授教你;如果你python也不會,吳教授教你。內(nèi)容涵蓋計算機視覺和自然語言處理部分,國內(nèi)資料非常齊全。如果你喜歡從始至終都是一個老師對你講課,那么墻裂推薦這門課程。另外吳教授還開設(shè)了《Machine Learning》這門課程,學習過程中如果碰到一些陌生的詞匯或許可以在這門課程中找到答案。

關(guān)鍵詞:圖神經(jīng)網(wǎng)絡(luò)
先導課程:離散數(shù)學,高等數(shù)學,線性代數(shù),python編程等
推薦理由:圖學習無疑是目前人工智能領(lǐng)域最火的領(lǐng)域之一,課程由斯坦福大學Jurij Leskovec副教授所開。學習過CS231n和CS224n之后再來學習這門課程應(yīng)該會讓你感到比較容易接受,視頻資源在B站上已經(jīng)可以找到,PPT等其他資源可以在課程主頁找到。

關(guān)鍵詞:計算機視覺,卷積神經(jīng)網(wǎng)絡(luò),自然語言處理,循環(huán)神經(jīng)網(wǎng)絡(luò),圖神經(jīng)網(wǎng)絡(luò)
先導課程:離散數(shù)學,高等數(shù)學,線性代數(shù),python編程等
推薦理由:這門課程由來自寶島臺灣大學的李宏毅教授所開。李教授授課風格幽默有趣,課程體系非常完整,國內(nèi)課程資源豐富,從機器學習到深度學習最新進展一條龍服務(wù)。相比以上幾門課程,李教授不同之處為國語授課,就憑這一點應(yīng)該就會有無數(shù)小白奔來,墻裂推薦。

關(guān)于學習過程的建議:有一些課程會有重疊的部分,在一個老師那沒聽懂的地方可以去聽聽另一個老師的解釋。對于這幾門課程,網(wǎng)絡(luò)上有很多學習達人分享的課程學習筆記,去從別人的經(jīng)驗中學習同樣也是很好的一個解決沒聽懂的問題的切入點。
