Where to Learn Deep Learning – Courses, Tutorials, Software

原文

By Gregory Piatetsky, @kdnuggets, May 26, 2014.

深度学习是机器学习研究中一个非常热的领域，近来取得了不少非凡的成功。比如在人脸识别上取得了97.5%的精度，在交通标志识别上也得到近似的识别结果，甚至在猫和狗图像识别中得到了98.9%的精度。许多在Kaggle数据科学竞赛中的获胜者也使用了深度学习。
“深度学习”是指训练多层神经网络的方法，在Geoffrey Hinton和他的合作者的论文描述了一种快速的方法训练这种网络，此后变得流行起来。
Geoffrey Hinton的学生Yann LeCun，也开发了一种有效的算法用于深度学习，即ConvNet,它在八十年代到九十年代早期就被成功地用于银行票据的自动读取。
在这里可以了解更多关于ConvNet和它对深度学习成功的影响。
2014年5月，中国搜索引擎巨头百度宣布雇佣了机器学习和深度学习顶级专家（同时也是Coursera的联合创始人）Andrew Ng，让他领衔一个在硅谷的新的人工智能实验室，与Google（已经雇佣了Geoff Hinton）和Facebook(已经雇佣了Yann Lecun 领导其人工智能实验室)展开在人工智能和深度学习上的竞争。
下面是一些学习和使用深度学习非常有用和免费的资源:
DeepLearning.net, dedicated site for Deep Learning 
DeepLearning.net tutorials 
Deep Learning Wikipedia page 
NYU Deep Learning course material by Yann LeCun 
Yann LeCun overview of Deep Learning with Marc'Aurelio Ranzato 
Geoff Hinton Coursera course on Neural Networks 
Deep Learning: Methods and Applications book (134 pages) from the Microsoft Speech Group 
CMU reading list, including student notes 
Deep Learning Google+ page 
Watch: Deep Learning Tutorial by John Kaufhold at Washington, DC Data Science Meetup, 2014 
Where are the Deep Learning Courses?, blog by John Kaufhold, data scientist and managing partner of Deep Learning Analytics. 
How Deep Learning will change our world, summary of Melbourne Data Science presentation by Jeremy Howard.
支持深度学习的工具包有：
Torch7，LuaJIT语言的一个关于深度学习和计算机视觉的面向对象的扩展包，它的主要优势是LuaJIT是极其快的也非常灵活。
Theano+Pylearn2，它的优势是使用了Python(一种使用广泛的语言)，劣势是使用了Python(对大数据处理很慢)。
cuda-convnet,基于LeCun的工作，卷积神经网络的高效C++/CUDA实现。