Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

使用 TensorFlow 进行理论机器学习和高级机器学习

在开始学习下面的学习资料之前,请确保:

  1. 完成我们提供的使用 TensorFlow 进行机器学习的基础知识这门课程,或者掌握同等知识

  2. 具有软件开发经验,尤其是 Python 开发经验

本课程对于想要实现以下目标的人员来说是一个起点:

  1. 加强对机器学习的理解

  2. 开始理解论文中的观点并通过 TensorFlow 实现论文中的方法

在继续学习之前,您应该已经掌握了关于机器学习工作原理的背景知识,或者已经看完入门课程使用 TensorFlow 进行机器学习的基础知识中的学习资料。以下内容旨在指导学习者学习更多理论知识和高级机器学习内容。您会发现很多课程都采用了 TensorFlow,不过,这些知识也可以套用到其他机器学习框架中。

要进一步了解机器学习,您应该具有 Python 编程经验,以及微积分、线性代数、概率和统计学方面的背景知识。为了帮助您加深对机器学习的了解,我们列出了大学推荐的许多资源和课程,以及一些教材。

第 1 步:复习数学概念

机器学习是一门数学密集型学科。如果您打算修改机器学习模型或从头开始构建新模型,那么熟悉基础数学概念非常重要。您不必预先学习所有的数学知识,而是可以在遇到不熟悉的概念时查询相应信息。如果您已经有一段时间没接触过数学,可以尝试观看 3blue1brown 发布的线性代数的本质微积分的本质这两集视频,复习下相关知识。我们建议您通过学习大学课程或观看麻省理工学院的公开讲座(例如线性代数单变量微积分)来继续学习。

线性代数的本质
由 3Blue1Brown 发布

3blue1brown 发布的一系列以独特视觉角度解说的短视频,其中讲解了如何从几何方面理解矩阵、行列式、本征函数/本征值等内容。

微积分的本质
由 3Blue1Brown 发布

3blue1brown 发布的一系列以独特视觉角度解说的短视频,其中讲解了微积分的基础知识,旨在让您深入理解基本定理,而不只是了解方程的原理。

麻省理工学院课程 18.06:线性代数

此入门课程由麻省理工学院发布,内容涵盖矩阵理论和线性代数。此课程重点介绍了在其他学科中很有用的概念,包括方程组、向量空间、行列式、特征值、相似度和正定矩阵。

麻省理工学院课程 18.01:单变量微积分

本课程是麻省理工学院发布的微积分入门课程,其中介绍了一元函数的微分和积分及其应用。

第 2 步:通过这些课程和图书加深对深度学习的理解

没有哪一门单独的课程可以涵盖您需要了解的所有深度学习知识。同时学习多门课程可能更为有效。尽管学习资料会有重叠的内容,但是由多位讲师以不同方式讲解概念可能会对您有所帮助,尤其是对于复杂的内容来说。下面是我们推荐的几门课程,可以帮助您入门。您可以同时查看所有这些课程,也可以只选择与您最相关的课程。

请注意,您学习的理论知识越多,并不断通过实践强化概念,您在构建和评估自己的机器学习模型方面就越熟练。

学习这些课程:

麻省理工学院课程 6.S191:深度学习简介是麻省理工学院推出的一门有关通过 TensorFlow 进行深度学习的入门课程,同样也是一门优秀的课程。

Andrew Ng 在 Coursera 上发布的《深度学习》专项课程也介绍了深度学习的基础知识,包括卷积网络、RNN、LSTM 等。这门专项课程旨在帮助您将深度学习应用到工作中,并在 AI 领域成就一番事业。

麻省理工学院课程 6.S191:深度学习简介

通过学习麻省理工学院推出的这门课程,您将掌握深度学习算法的基础知识,并获得在 TensorFlow 中构建神经网络的实践经验。

《深度学习》专项课程

通过学习这 5 门课程,您将了解深度学习的基础知识,了解如何构建神经网络,以及如何成功完成机器学习项目并在 AI 领域成就一番事业。在学习过程中,您不仅可以掌握理论知识,还将了解这些理论在行业中的运用情况。

⬆ 另请 ⬇ 阅读这些图书:

为了完善您通过上述课程所学的知识,我们建议您阅读下面的书籍来深入学习。每本书均可在线获取,其中还提供了帮助您实践的补充资料。

您可以先阅读由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 共同编著的《深度学习》(麻省理工学院出版社出版)。这本《深度学习》教材是一门高级教材,旨在帮助学生加深对概念的理解。本书随附的网站提供了各种补充资料,包括练习、课件、错误修正以及其他资源,供您动手练习所学概念。

此外,您还可以浏览 Michael Nielsen 编著的在线图书神经网络与深度学习。本书提供了有关神经网络的理论背景。本书并未用到 TensorFlow,但对于有兴趣深入学习的学生来说具有重要的参考价值。

深度学习
由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 共同编著

这本《深度学习》教材旨在帮助学生和从业者进入一般的机器学习领域,尤其是深度学习领域。

神经网络与深度学习
由 Michael Nielsen 编著

本书提供了有关神经网络的理论背景。本书并未用到 TensorFlow,但对于有兴趣深入学习的学生来说具有重要的参考价值。

第 3 步:阅读论文并通过 TensorFlow 实现论文中的方法

到此阶段,我们建议您阅读论文并尝试学习我们网站上的高级教程,其中介绍了如何实现一些知名论文里提到的方法。学习高级应用(机器翻译图片说明)的最佳方式是阅读教程中链接到的论文。在学习过程中,请找到代码的相关部分,并利用这些部分帮助您巩固理解。