在书中学习

(一) Deep Learning (Adaptive Computation and Machine Learning series)

https://www.deeplearningbook.org/

https://amzn.to/3SbbCyG

此深度学习书籍是
机器学习人员
从机器学习开始的资源。

供应商

Ian Goodfellow, Yoshua Bengio, Aaron Courville

我们可以学到什么？

• 数学
• 理论
• 构建

配置

第 1 部分：应用数学和机器学习基础知识

• 线性代数
• 概率与信息理论
• 数值计算
• 机器学习基础知识

第 2 部分：现代实用深度网络

• 深度前馈网络
• 深度学习的正则化
• 优化以学习深度模型
• 卷积网络
• 序列建模循环网和循环网
• 实用方法
• 应用示例

第 3 部分：深度学习研究

*线性因子模型

• 自动编码器
• 表达学习
• 深度学习的结构化概率模型
• 蒙特卡洛方法
• 与拆分函数摊牌
• 近似推理
• 深度生成模型

2。 Neural Networks and Deep Learning

http://neuralnetworksanddeeplearning.com/

这本书可以
提供神经网络的理论背景。
不使用腾索rflow。
进一步加深知识，引导他们前进。

供应商

Michael Nielsen

我们可以学到什么？

• 代码
• 数学
• 理论
• 构建

配置

• 神经网络手写识别
• 反向传播算法的工作原理
• 改进神经网络学习方法
• 神经网络计算任何函数的视觉证明
• 为什么深度神经网络很难学习？
• 深度学习
• 附录 是否有实现智能的简单算法？

通过在线课程学习

(三) 有什么问题吗？ 使用 TensorFlow 进行深度学习概述

https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning–ud187

这是一个在线课程，由团队和大学团队开发。
了解如何创建深度学习应用程序。

我们可以学到什么？

• 代码
• 数学
• 理论
• 构建

4. 机器学习强化课程

https://developers.google.com/machine-learning/crash-course?hl=ja

机器学习现金课程与团队流 API 是一个自学指南，
专为那些想要实际使用机器学习的人提供。
通过
视频讲座系列、
真实案例研究
和动手练习学习机器学习。

我们可以学到什么？

• 数学
• 理论

5. MIT 6.S191: Introduction to Deep Learning

http://introtodeeplearning.com/

本课程由麻省理工学院提供，
您将有机会参加在 TensorFlow 中构建神经网络的实践练习。

我们可以学到什么？

• 数学
• 理论
• 构建