2017-03-05 20:53:30 u012052268 阅读数 2370
  • 深度学习--知识图谱系统架构设计(直播录像)

    本课程是《知识图谱完整项目实战(附源码)》课程的一个章节组织的线上答疑活动的直播录像。对汽车知识图剖的系统架构设计、知识图谱两大技术路线,已经同学们比较感兴趣的内容,进行了答疑,时长一个小时。更多内容请参考《知识图谱完整项目实战(附源码)》

    2581 人正在学习 去看看 张子良

学习对象

所有==大四==以及==研一==学生,研二感兴趣的学生也可参加

深度学习准备篇

==Python基础语法==

自学,资料非常多,推荐http://www.runoob.com/python3/python3-tutorial.html
- 学习时间:3天-7天
- 框架安装:Anaconda
- 掌握程度,基础语法掌握,对于面向对象语法不必掌握

==Python库==
==Python库-numpy==

自学,资料非常多,建议看博客即可。
- 学习时间:1天
- 掌握程度:numpy对数组对象的封装,理解其思想与原理
- 学习链接:https://docs.scipy.org/doc/numpy-dev/user/quickstart.html

==Python库-pandas==

自学,资料非常多,建议看书或博客。
- 学习时间:1天
- 掌握程度:知道大概,会使用即可,比如DataFrame
- 学习链接:http://pandas.pydata.org/pandas-docs/stable/10min.html

==Python库-matplotlib==

自学,不建议太深入。
- 学习时间:半天
- 掌握程度:能够对官网的例子进行修改使用即可
- 学习链接:http://matplotlib.org/gallery.html

深度学习库-TensorFlow

本部分会进行一个入门讲解,其它API需要自己去看,去实践。

深度学习库-Keras

本部分会进行一个入门讲解,其它API需要自己去看,去实践

深度学习实战篇

CNN网络

讲解原理,大家自己动手去实践

应用场景
卷积层
降采样层
激励函数
文本分类实践
RNN/LSTM网络实践

讲解原理,大家自己动手去实践

应用场景
RNN记忆单元
LSTM记忆单元
文本生成/预测实践
2019-02-23 17:42:00 weixin_42882128 阅读数 140
  • 深度学习--知识图谱系统架构设计(直播录像)

    本课程是《知识图谱完整项目实战(附源码)》课程的一个章节组织的线上答疑活动的直播录像。对汽车知识图剖的系统架构设计、知识图谱两大技术路线,已经同学们比较感兴趣的内容,进行了答疑,时长一个小时。更多内容请参考《知识图谱完整项目实战(附源码)》

    2581 人正在学习 去看看 张子良

深度学习路线记录
机器学习视频 吴恩达

http://open.163.com/special/opencourse/machinelearning.html

神经网络深度学习在线教程 共六章

http://neuralnetworksanddeeplearning.com

《神经网络设计》 国外经典教程 第十一章 反向传播

CNN:《Notes On Convolutional Neutral Networks》 Jake Bouvrie

http://cogprints.org/5869/1/cnn_tutorial.pdf

CNN参考资料
技术向:一文读懂卷积神经网络CNN
Deep Learning模型之:CNN卷积神经网络推导和实现
RNNs: A tutorial on training recurrent neural networks, covering BPPT, RTRL, EKF and the “echo state network” approach

http://minds.jacobs-university.de/sites/default/files/uploads/papers/ESNTutorialRev.pdf

LSTM: Understanding LSTM Networks

http://colah.github.io/posts/2015-08-Understanding-LSTMs/

Attension and Augmented Recurrent Neural Networks

http://distill.pub/2016/augmented-rnns/

Neural Turning Machines

https://arxiv.org/pdf/1410.5401v2.pdf

tensorflow 安装及使用

http://www.cnblogs.com/peaceWang/p/5970495.html

tensorflow学习笔记(六):LSTM 与 GRU

http://blog.csdn.net/u012436149/article/details/52887091

word2vec 中的数学原理详解(五)基于 Negative Sampling 的模型

http://blog.csdn.net/itplus/

2017-08-30 15:13:20 xu2645318400 阅读数 19149
  • 深度学习--知识图谱系统架构设计(直播录像)

    本课程是《知识图谱完整项目实战(附源码)》课程的一个章节组织的线上答疑活动的直播录像。对汽车知识图剖的系统架构设计、知识图谱两大技术路线,已经同学们比较感兴趣的内容,进行了答疑,时长一个小时。更多内容请参考《知识图谱完整项目实战(附源码)》

    2581 人正在学习 去看看 张子良

最近一段老师逼着搞论文,都没啥时间刷题和更新博客了。前段时间无意间看到一些深度学习方面的资料,个人觉得写的实在是太精彩了,必须得推荐给他大家。目前只更新了7篇博客,里面包含了原理(即数学推导)和实践(代码实现),对于入门来讲实在是合适不过的了。

声明:本文只负责推荐,原文并非我写,尊重原创。

在这放上原作者写的前言:

下面给出每一部分的主题和详细链接。

入门深度学习部分

第一部分:感知机部分

零基础入门深度学习-感知机


第二部分:线性单元和梯度下降

零基础入门深度学习-线性单元和梯度下降


第三部分:神经网络和反向传播算法

零基础入门深度学习-神经网络和反向传播算法


第四部分:卷积神经网络

零基础入门深度学习-卷积神经网络


第五部分:循环神经网络

零基础入门深度学习-循环神经网络


第六部分:长短时记忆网络(LSTM)

零基础入门深度学习-长短时记忆网络(LSTM)


第七部分:递归神经网络

零基础入门深度学习-递归神经网络


看完这几篇文章之后,绝对有一种豁然开朗的感觉,确实写的非常精彩。理论和实践相结合的感觉绝逼是非常棒的,非常佩服原作者,写的非常的浅显易懂。欣赏完这几篇博客之后,估计大部分人都想进一步学习和了解深度学习,但是接着该咋走呢?我又整理了一篇文章来供大家参考(这也不是我写的,我只是推荐给大家而已)。

深度学习论文学习路线(Deep Learning Papers Reading Roadmap)


原作者写的前沿.路线图构建原则和相关的说明:

具体学习路线:





2019-06-19 12:21:59 qq_25799253 阅读数 357
  • 深度学习--知识图谱系统架构设计(直播录像)

    本课程是《知识图谱完整项目实战(附源码)》课程的一个章节组织的线上答疑活动的直播录像。对汽车知识图剖的系统架构设计、知识图谱两大技术路线,已经同学们比较感兴趣的内容,进行了答疑,时长一个小时。更多内容请参考《知识图谱完整项目实战(附源码)》

    2581 人正在学习 去看看 张子良

 

全面的教程 

 

如果不读博士,做深度学习能找到工作吗?还想学一下编程,C++和python,该怎么学习呢?(共勉)

https://www.zhihu.com/question/53940286

面试官心目中的理想简历是什么样子的?计算机视觉算法岗必看!

https://tianchi.aliyun.com/course/video?liveId=41133

深度学习:

一个非常牛逼的教程:

床长人工智能教程

写给妹纸的深度学习教程(偏理论,可以看看):
https://zhuanlan.zhihu.com/dlgirls

深度学习实践教程(偏工程,本书写得很好):

https://download.csdn.net/download/levy_cui/10695820

 

英文教程:

deeplearning.ai

网易云课堂的一个完整系列教程:
https://mooc.study.163.com/university/deeplearning_ai#/c

 

配置深度学习的一个常用库:tensorflow,可以参考这篇博客:
https://blog.csdn.net/qq_25799253/article/details/88430289
安装tensorflow之前要安装anaconda,要注意anaconda版本要匹配你win10 64位的电脑,不要选其它版本的。

深度学习任务分类论文、代码大全:

https://paperswithcode.com/sota

迁移学习和数据增强github代码+讲解

https://github.com/ictar/python-doc/blob/master/Machine%20Learning/%E4%BD%BF%E7%94%A8%E9%9D%9E%E5%B8%B8%E5%B0%91%E7%9A%84%E6%95%B0%E6%8D%AE%E6%9E%84%E5%BB%BA%E5%BC%BA%E5%A4%A7%E7%9A%84%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E6%A8%A1%E5%9E%8B.md

 

实习岗位、比赛:

西湖大学28个实验室开放实习岗位 为期6周提供食宿

https://www.toutiao.com/a6699291195291468295/?tt_from=mobile_qq&utm_campaign=client_share&timestamp=1559980280&app=news_article&utm_source=mobile_qq&utm_medium=toutiao_android&req_id=201906081551200101520161518073529&group_id=6699291195291468295

TinyMind深度学习机器学习比赛网站:

https://www.tinymind.cn/competitions/ai

 

北京大学“智慧之眼”国际眼底图像智能识别竞赛 

比赛时间从7月13到9月20,而且面向社会各界人士。

https://odir2019.grand-challenge.org/?from=singlemessage

其它:

在 Deep Learning / Machine Learning 领域,C++ 应如何学习?

https://www.zhihu.com/question/41816315

1.铺垫了这么多,实际是想介绍一个轻量级的c++深度学习/符号计算库一个只有不到9000行的,支持完整符号表达式计算、自动求导,实现了常用的神经网络结构(如RNN,CNN),支持多种sgd优化的有吸引力的C++源码范例。同时,这个库由CMU NLP组出品。他们组多项顶会工作(ACL,EMNLP,NAACL,TACL)都以之为代码基础。而且主要作者Chris Dyer今年夏天重磅加盟DeepMind。

https://github.com/clab/dynet

2.caffe研究懂了那C++水平肯定够了。不要受 语言不重要 这种话的误导!语言很重要!只不过不能只研究语言,醉心于语言特性和编程技巧,忽略其他方面。
另外mxnet底层也是c++写的,水平很高,建议参考。

3.公司的老工程师和研究员给你调代码做系统,供你实现个人想法,最后算法创新的荣誉和收益都是你的。
这不是在说我们科研狗么

 

4.先给题主泼点冷水。。。。。。在大公司里面没有那么多你所希望的具有研究性质或者开创性质的有趣的工作,大部分人做的都是数据清理,调参,特征工程,算法可能是最不重要的事情。。。。。。因为算法往往是成熟的,而需求则不停在变,如果真的喜欢研究新的东西,那么去研究院最合适,那里面的研究氛围会浓厚一些,做的东西会有趣一些,研究院,那是烧钱的地方,研究不出来啥,大家也能理解,而实际的工作里面,要想尝试一个新的东西,需要涉及到方方面面的改变,不是换个算法就完事的,所以,如果你去研究院,那么语言不重要,算法内功好,数学基础好就可以,如果去公司做开发职位,编程能力放在首位。

5.

先给题主泼点冷水。。。。。。在大公司里面没有那么多你所希望的具有研究性质或者开创性质的有趣的工作,大部分人做的都是数据清理,调参,特征工程,算法可能是最不重要的事情。。。。。。因为算法往往是成熟的,而需求则不停在变,如果真的喜欢研究新的东西,那么去研究院最合适,那里面的研究氛围会浓厚一些,做的东西会有趣一些,研究院,那是烧钱的地方,研究不出来啥,大家也能理解,而实际的工作里面,要想尝试一个新的东西,需要涉及到方方面面的改变,不是换个算法就完事的,所以,如果你去研究院,那么语言不重要,算法内功好,数学基础好就可以,如果去公司做开发职位,编程能力放在首位。

6.caffe, torch, theano随便一个搞熟就行了

7.余炼丰的错别字检测博客:

https://blog.csdn.net/LinfordYu/article/details/103351605

用keras训练模型并用Tensorflow的C++API调用模型

https://blog.csdn.net/qq_25109263/article/details/81285952

人工智能大数据背后的神秘公式:贝叶斯公式(好文收藏) 

https://www.sohu.com/a/210850749_747155

吴恩达教授访谈Hinton教授摘要

https://blog.csdn.net/weixin_41153216/article/details/80910010

吴恩达亲自采访百度林元庆和谷歌 Ian Goodfellow,他们对AI入门者有何忠告?

http://mini.eastday.com/a/170814113505937-9.html

再说深度学习是黑匣子,就把这篇文章糊 Ta 脸上

https://blog.csdn.net/zw0Pi8G5C1x/article/details/79663962

深度学习技术路径

阅读数 451

没有更多推荐了,返回首页