1 热身
- 《机器学习工程师》微专业 体验课(第三章就好)
- 神经网络基础—莫凡 (看: 神经网络,神经网络技巧两部分)
备注:这一部分粗略看就好,不要拘泥细节。大概了解概念就好,有个感性认识。
2 理论
2.1 机器学习
- 台湾大学林轩田《机器学习基石》与《机器学习技巧》,重数学理论推导。机器学习是基础,强烈推荐先看这门课,全部看完,做好笔记。
2.2 深度学习
- 台湾大学李宏毅视频教程,口语话,形象生动。网址
- 斯坦福大学 吴恩达”机器学习”课程,全部学习,但并非每个知识点都要很透彻知道。不要卡在某个知识点不动,不懂的话就百度。再不懂也要看下去。全部学习完。
- 莫凡 有趣的机器学习 全部看完。目的是比较全面了解机器学习,深度学习的内容。
- 莫凡 TensorFlow 主要学一些用TensorFlow写的机器学习小例程
- 深度学习基础课程,了解深度学习基础内容
- 吴恩达 深度学习工程师,全部看完,全面深入了解卷积神经网络(对于反向传播部分,不用自己实际写代码,原理大概懂就好)。主要是看1到4章,这是关于图像的。第五章是关于语音的。
- 李沐的动手学深度学习,强烈建议看完
备注:这一部分的重点是“1”和“5”,也就是吴恩达的两个视频。其他是作为辅助的。“1”要学的是机器学习这个大范围。“5”学的是卷积神经网络这个小范围。
2.3 图像处理
- 数字图像处理, 先看到的第二讲就好,有需要以后再往下看(对数字图像有个了解)
- 斯坦福CS231n李飞飞计算机视觉,了解卷积神经网络与计算机视觉的关系。
备注:主要是“2”,重要,看到26课时就差不多了。
3 实操
3.1 深度学习框架
- pytorch教程,pytorch在学术上和工业上应用都很广泛
- Caffe教程,caffe是实现卷积神经网络的很重要的包,工业上常用。
- darknet,darknet是yolo的原始框架,工业上应用很广泛
3.2 编程语言
视觉工程师,python和C++是必备的。
致谢
谢谢本文所引用到的视频/文本等资料的老师,谢谢给我支持的各位同学。希望对大家有所帮助。