从此篇开始,计划介绍关于深度学习的东东,一切都从最傻瓜的方式入门,尽量不用数学的概念来介绍。本系列将会包括两个部分,第一部分是基于统计的机器学习算法。第二部分则是基于神经网络相关的深度学习算法。
第一部分的内容包括:
1,基于统计的机器学习的基本概念。(HOEFFDING 不等式,机器学习流程)
2,损失函数/代价函数 VC维 误差
4,分类器
5,逻辑回归
6,SVM
7,K-MEANS
8,主成分分析
当上面的全部学习完毕后,将介绍深度学习相关的内容,包括如下:
1, 多层感知器
2,深层卷积网
接下来是非监督学习和半监督学习算法,可以以下面的任何顺序来学习(后续会给出教程和代码),这些都是重要的机器学习算法。
1,AUTO ENCODERS DENOISING AUTOENCODERS
2, Stacked Denoising Auto-Encoders 简单的步骤就可以实现非监督学习
3,限制波兹曼机
4,DBN http://deeplearning.net/tutorial/DBN.html#dbn
在每一个的最后也会告知如何去用theano来运行它们。theano是一个python类库,它能够帮助大家容易的去写深度算法模型,并且可以让大家能够在GPU上运行这些算法。
如果大家想先对机器学习进行入门了解,可参看这里的简单介绍。如果需要简单了解深度学习的内容,可参看这里简单的介绍。学习这些教程之前,可以先热身下,这里是theano的基础教程,学完之后,再看下这个东东,里面有一些基本的概念和一些测试的训练集。