点击上方“程序IT圈”,选择“置顶”公众号
重磅干货,第一时间送达
最近在 github 发现了一个有趣的项目,《深度学习500问》,由川大一名优秀毕业生创建。这是一个整合 AI 相关知识的项目,通过广大网友的集思广益, 形成内容充实,覆盖全面的 AI 相关知识文集。
目前,该项目的 star 数已经超过 24000,有 6700 多次 Fork,项目地址:
https://github.com/scutan90/DeepLearning-500-questions
目前,全书有近 30 万字,初步分为 18 个章节。这 18 个章节涉及到深度学习的各个方面:
深度学习500问,以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。
▌第一章:数学基础
这部分内容可能和大家以往看到的数学理论知识书籍不太一样,这里作者并没有讲解那些知识点,而是帮大家总结整理了知识点间的关系,比如:张量与矩阵的区别,奇异值与特征值的关系,常见概率分布(涵盖12 种分布;通过分析每种分布的密度函数、数学期望、方差、特征函数等方面进行对比)等等。
▌第二章:机器学习
机器学习涉及的知识非常的多,作者在这里为大家讲解了常见的算法及它们各自的优缺点,如何根据数据类型来选择模型,如何选择函数,以及不同方法(如:降维方法 LDA、PCA)的优缺点。
▌第三章:深度学习
从数学基础到机器学习,接下来就是深度学习了。神经网络、前向传播、反向传播、激活函数、超参数、如何应用 Sofxmax、调节 Batch-Size 、归一化、Dropout 这些问题作者已经都为大家准备好了。
▌第四至六章:经典网络、CNN、RNN
第四章主要是LetNet、AlexNet、ZFNe、VGG、GoogleNet、Inception 等经典网络模型结构、模型特点的解读。第五章则详细讲解了 CNN 网络的各组成层、卷积核、步长等基础知识,还有图解 12 种不同类型的 2D 卷积,以及 2D 卷积与3D 卷积的不同之处;第六章为大家讲解RNN 的特点、拓展和改进的网络和在 NLP 中的典型应用。
有了这样的讲解,还担心自己搞不懂这些网路吗?
▌第七至十五章
第七、八章主要介绍目标检测、图像分割等技术的运用;第九、十章将带领大家了解这两年大热的强化学习与迁移学习;目前第十一、十二章内容,作者还没有更新;第十三、十四、十五章则从优化算法、超参数调整、正则化内容出发,教你如何更好地训练模型。
如果需要机器学习视频,可以在公众号后台聊天框回复【机器学习】,可以免费获取编程视频 。
你可能还喜欢
吴恩达《Machine Learning Yearning》中文
长按加入T圈,接触人工智能
觉得内容还不错的话,给我点个“在看”呗