从零开始的深度学习

从零开始的深度学习

Part A 深度学习入门

1. 吴恩达深度学习deeplearning.ai

Coursera 传送门：Deep Learning | Coursera

网易云课堂（中字）传送门：深度学习工程师微专业 - 一线人工智能大师吴恩达亲研-网易云课堂 - 网易云课堂

简介：这是一门由和蔼可亲的吴恩达老师为我们献上的年度最引人注目的课程，课程分为5个部分：

1. 神经网络和深度学习
2. 改善深层神经网络：超参数调试、正则化以及优化
3. 结构化机器学习项目
4. 卷积神经网络（即将开放）
5. 序列模型（即将开放）

吴恩达老师由浅入深，介绍了神经网络基本架构（1）、神经网络中的魔法（2）、实践项目分析（3）。尤其是第三部分讲述了书本上没有的知识，值得学习。系列课程虽然简单但是内容丰富，是深度学习入门的不二选择。尤其是当你完成了Coursera上的Python+TensorFlow作业，相信会有很大收获。让我们期待后续的两门课程吧！记得一定要做作业！

2.Neural networks and deep learning(深度学习与神经网络)(BOOK)

中文版传送门：神经网络与深度学习 · GitBook

简介：非常棒的一本在线书籍，内容简练，介绍了神经网络、反向传播算法、神经网络优化、神经网络存在的问题以及为什么要深度学习。读完这本书，应该就会对什么是神经网络与深度学习有一个初步的印象，非常适合入门。

3.Deep Learning（深度学习/花书）(BOOK)

中文版由人民邮电出版社出版，ISBN号：9787115461476

简介：深度学习圣经，人手一本，不再赘述。

Part B 深度学习进阶

1.国立台湾大学李宏毅教授机器学习课程（中文）

Machine Learning (2017,Spring)

Machine Learning and having it deep and structured (2017,Spring)

简介：如果你英语苦手，那么李宏毅老师的课程最适合你，因为这是纯中文语音，而且课程非常生动有趣，有很多新颖的实例讲解！页面内有视频讲义等链接，请需要的同学们自行下载。

一共分为两门课程：

1. 机器学习
2. 深度结构化机器学习

两门课内容互有交叉，第一门重点从回归、分类、监督、半监督、无监督等方面介绍了机器学习与部分神经网络的内容；第二门课重点讲解了神经网络和深度学习，课程后半期都在讲Generative Adversarial Network（GAN），如果对GAN有兴趣的同学们千万不能错过哦。

顺便一提这两门课2017,Fall已经开始了，有兴趣的同学可以看看有什么新内容。

2.斯坦福CS231n（Spring 2017）

CS231n: Convolutional Neural Networks for Visual Recognition

简介：由李飞飞教授和她的学生们为我们带来的计算机视觉（CV）课程。如果想入门计算机视觉，绝对不能错过这门课程！Spring 2017 Assgnment 稍后几周内糖葫芦喵喵会做详细解析。这些Assignment同样是使用Python3+TensorFlow，而且你不用担心没有GPU，普通的CPU即可胜任，花费不了太多的时间。

最后放上糖葫芦喵喵的Assignment，欢迎watch和star：Observerspy/CS231n

3.斯坦福CS224n（Spring 2017）

CS224n: Natural Language Processing with Deep Learning

简介：自然语言处理（NLP）是一个非常复杂的领域，深度学习在这个领域真正的火热也是近三年的事情。最直观的变化就是这门课程原先叫做CS224d，现在变为CS224n，加入了大量的神经网络方面的知识。但是由于本身NLP是非常复杂的，所以这门课程的知识量会非常非常的大，如果你希望在这个领域内深入，绝对不能错过这么课程！后续几周内糖葫芦喵喵会对Spring 2017 Assgnment做详细解析。同样，今年的课程使用Python2+TensorFlow，用Python3的同学们请对课程代码稍作修改。

课程中文笔记：CS224n笔记1 自然语言处理与深度学习简介，这个笔记质量非常的高，推荐配合课程同时食用！

最后放上糖葫芦喵喵的基于Python3的Assignment（完善中），欢迎watch和star：Observerspy/CS224n

Part C 强化学习

仅仅深度学习是不够的，强化学习也是必不可少的知识！但是这一部分糖葫芦喵喵还没有开始学习，暂且做简要介绍，后续几个月中可能针对其中几门课程做详细说明。

1.斯坦福CS234

CS234: Reinforcement Learning

简介：这门课暂时没有视频资源，只有讲义和Python作业可以研究。但是据说内容条理清晰简单易懂，欢迎同学们尝试。

2.WILDML Learning Reinforcement Learning (with Code, Exercises and Solutions)

Learning Reinforcement Learning (with Code, Exercises and Solutions)

简介：这门课是跟着python notebook学RL，个人认为动手实践的话应该会比较好。

3.UCL Course on RL Teaching

简介：DeepMind David Silver的课程，也是上面那个课程推荐的，应该值得一看。

4.优达学城

强化学习 | Udacity

简介：这门课作业是JAVA的，emmmmm我选择python。

5.伯克利CS294

CS 294 Deep Reinforcement Learning, Spring 2017

简介：这门课需要你有RL的基础，暂时不推荐直接上手。如果你有自信的话，不妨一试。

这门课2017,Fall也已经开始了，有兴趣的同学可以看看有什么新内容。

Part D TensorFlow

TensorFlow现在的教程良莠不齐，尤其是那几本中文的书实在不忍目睹，所以这里特别整理了一些糖葫芦喵喵认为比较好的教程，希望大家喜欢。

1.优达学城深度学习Udacity

简介：谷歌出品，TensorFlow介绍，虽然课程内容比较快餐，但是几个小作业还是很有意思的，推荐一看，哦不，一做。

2.Learning TensorFlow A Guide to Building Deep Learning Systems（BOOK）

某盘传送门：/s/1hrX1ZEW 密码: gfvs

书中代码传送门：Hezi-Resheff/Oreilly-Learning-TensorFlow

简介：O'Reilly出品的技术书籍一般还是质量很高的，这本书也不例外，该书从TF介绍、TF基本元素、TF运用于简单CV、TF运用于简单NLP、TF高级包的介绍、TF中队列、线程、读写文件、分布式等做了比较详细的介绍。尤其是书中代码基本都能够跑通，配合代码食用，效果更好！

3.莫凡（中文）Tensorflow 教程系列 | 莫烦Python

简介：莫凡大神有很多视频讲的很清楚明白（才不是因为是中文），而且他会回答你的问题23333。除了TF系列，你也可以顺便看看莫凡大神的其他系列，相信能有所收获。