新手?大佬?今天本平台完整得来一次干货大全,你们都知道哪些呢?
最全干货大全
之前很多读者反映新人和旧人得分的明细一些,那今天先总结一下本平台自创办以来一些经典的干货和实验等,希望对大家有所了解~
那我现在就开始吧~
小小互动
首先开始之前,我还是有一个问题,就是你为什么要关注我们平台?
从创办以来,已经得到很多读者和科研人员的支持,我们初衷还是希望喜欢人工智能的朋友可以聚集到一起,一起学习最先进的技术,交流最新的算法,分享最经典的知识,认识更多与自己趣味相投的他(她),一起学习,共同进步!
在此,特别感谢你们的关注与支持!谢谢~
先简单说下今天的主要目的,想让你们了解下本平台的一些历史辉煌以及未来的趋势。主要今天分为:新人篇、进阶篇、高级篇。
新人篇
对于新人,也分两类,如果你是新加入我们的新人,那你可以在平台内的界面可以看到相关信息,可以选择性的去获取你想要的。
上面这个链接你可以几乎看到所有,如果有兴趣的你,可以去尽情享受~
但是对于新进入该领域的你,那你真的是“新人”,你可以通过以下渠道去快速进入状态,以最快的速度和最准确的方式去理解和认识。
其实这也是很多人之前一直询问的问题,我该怎么入题?
关于深度学习入门。其实,网上的资料很多,不过大部分都不太适合初学者。 原因如下:
- 深度学习必须有一定的数学基础,如果不能简单的方法去讲解,但是又能学习到基本原理和深入理解,有些新人就会有畏难的思想,从而导致过早地放弃和没有兴趣;
- 还有就是现在市面上的书籍大同小异,很多人的书籍还有错误,更有很多中国人或美国人写的书籍或文章,看不懂的情况。
以下引用Jacky Yang的话:
深度学习,确实需要一定的数学基础,但真的那么难么?这个,还真没有。不信?给你侃侃,看完,你也会觉得没那么难了。
此段是针对初学者,有基础的可以跳过!!!
首先,推荐一篇非常不错的文章: 《1天搞懂深度学习》,300多页的ppt,台湾李宏毅教授写的,非常棒。 不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。
要说先准备什么,其实只需要知道导数和相关的函数概念就可以了。高等数学也没学过?很好,我就是想让文科生也能看懂,您只需要学过初中数学就可以了。
其实不必有畏难的情绪,个人很推崇李书福的精神,在一次电视采访中,李书福说:谁说中国人不能造汽车?造汽车有啥难的,不就是四个轮子加两排沙发嘛。当然,他这个结论有失偏颇,不过精神可嘉。
————李书福
导数是什么,无非就是变化率呗,王小二今年卖了100头猪,去年卖了90头,前年卖了80头。。。变化率或者增长率是什么?每年增长10头猪,多简单。这里需要注意有个时间变量---年。王小二卖猪的增长率是10头/年,也就是说,导数是10。函数y=f(x)=10x+30,这里我们假设王小二第一年卖了30头,以后每年增长10头,x代表时间(年),y代表猪的头数。
当然,这是增长率固定的情形,现实生活中,很多时候,变化量也不是固定的,也就是说增长率也不是恒定的。
比如,函数可能是这样: y=f(x)=5x²+30,这里x和y依然代表的是时间和头数,不过增长率变了,怎么算这个增长率,我们回头再讲。或者你干脆记住几个求导的公式也可以。
深度学习还有一个重要的数学概念:偏导数,偏导数的偏怎么理解?我们还以王小二卖猪为例,刚才我们讲到,x变量是时间(年),可是卖出去的猪,不光跟时间有关啊,随着业务的增长,王小二不仅扩大了养猪场,还雇了很多员工一起养猪。所以方程式又变了:y=f(x)=5x₁²+8x₂ + 35x₃ +30 这里x₂代表面积,x₃代表员工数,当然x₁还是时间。
上面我们讲了,导数其实就是变化率,那么偏导数是什么?偏导数无非就是多个变量的时候,针对某个变量的变化率呗。在上面的公式里,如果针对x₃求偏导数,也就是说,员工对于猪的增长率贡献有多大,或者说,随着(每个)员工的增长,猪增加了多少,这里等于35---每增加一个员工,就多卖出去35头猪. 计算偏导数的时候,其他变量都可以看成常量,这点很重要,常量的变化率为0,所以导数为0,所以就剩对35x₃ 求导数,等于35. 对于x₂求偏导,也是类似的。 求偏导我们用一个符号 表示:比如 y/ x₃ 就表示y对 x₃求偏导。
废话半天,这些跟深度学习到底有啥关系?有关系,我们知道,深度学习是采用神经网络,用于解决线性不可分的问题。关于这一点,我们回头再讨论,大家也可以网上搜一下相关的文章。我这里主要讲讲数学与深度学习的关系。
1
第1步:学习机器学习基础
机器学习斯坦福课程是最好的开始,他的课程目前介绍了各种机器学习算法,最主要的是,其包括了各种机器学习的一般程序及方法,数据处理、超参数调优等。
2
第2步:开始深入学习
可以观看一些牛人的演讲视频,在线课程等(如吴恩达等),举几个例子:
- Geoffrey Hinton,这位教授大家应该都认识,他的课程:Neural Networks for Machine Learning;
- Hugo Larochelle,课程:Neural Networks Class。
3
第3步:深入学习一个领域
- 计算机视觉,CS231n课程很优秀
- 自然语言处理(NLP),CS224N课程优秀
- 深度加强学习,典型例子:AlphaGo
进阶篇
进阶篇,就比较简单,因为你已经有了一定的基础,在这个阶段,就是各种阅读资料,比如阅读顶级期刊(CVPR,ECCV,ICCV,PR,Trans等),写个总结,然后自己亲手去实践,久而久之,就可以成为该领域的老手。
比如之前平台推送的一些我的实践结果:
如果你想进入CV领域,很多小项目、实验可以动手去做,比如:
高级篇
高级篇,就更加简单,各种理论知识、算法、模型框架都了如指掌,而且经历过很多实际性的项目,对学习的知识灵活应用在现实生活中。