##一、记录小润学习的深度学习例子:
名称 | 目录 |
---|---|
TensorFlow | [dir] |
Keras | [dir] |
##二、记录小润学习的历程点滴:
-
掌握机器学习相关的概念及计算公式,包括有/无/半监督学习,强化学习,分类/回归/标注,聚类;训练集/验证集,交叉验证,测试集;数据预处理,正则化,归一化;损失函数,经验风险最小化,结构风险最小化,最优化算法;训练误差,泛化误差,欠拟合,过拟合;准确率,召回率,F1值,ROC和AUC;
-
掌握机器学习主流的模型及其算法,包括有生成方法:朴素贝叶斯、隐马尔可夫模型,判别方法:感知机、logistic回归、决策树、K近邻、支持向量机、提升方法、最大熵、条件随机场等;
-
安装 numpy, scipy, pandas, matplotlib, scikit-learn, xgboost 等 python 包,实战项目:识别手写数字、画决策树、文本挖掘过滤垃圾邮件、情感倾向分析、波斯顿房价预测、基于协同过滤的推荐系统、图像分类等,上手 kaggle、KDD 比赛题或者阿里天池、滴滴Di-Tech、今日头条bytecup 比赛题;
-
了解大数据相关的知识,包括有Flume、Kafka,Storm,Hadoop,Spark等,知道Hadoop基金下的项目(Cassandra、HBase、Hive、Pig、ZooKeeper等)的应用场景,特别地要知道分布式计算框架的原理,从 HDFS、MapReducer 到 Streaming;
-
安装 spark-2.0.0-bin-hadoop2.7,掌握 Hadoop Shell命令,两种模式下运行 Spark 作业,了解 Spark SQL/Streaming/GraphX,掌握 Spark MLlib 写机器学习算法;
-
掌握深度学习相关的概念及计算公式,包括神经元模型、输入层、隐藏层、输出层、目标函数、激活函数、weight、bias、BP算法、随机梯度下降、多层感知器、卷积神经网络CNN、递归神经网络RNN、LSTM、全连接网络等;
-
安装深度学习框架 TensorFlow/Theano 或其它,掌握 tf 的张量、图、会话的用法,了解分布式/使用GPU的方法,动手写经典的项目,学会使用 Vgg 16/19 和 ResNet 的模型并运用到自己的项目中;
-
安装更上层的深度学习库 Keras,更加快速、熟练的编写出各种种类的神经网络模型。
tips: Follow 业界大牛的 Twitter,比如 Geoffrey Hinton (Google AI团队)、Aymeric Damien (Facebook AI实验室)、Yoshua Bengio (蒙特利尔大学终身教授) 、Andrew Ng (斯坦福大学副教授)、Li Feifei、Andrej Karpathy 等,掌握最新动态和进展
##三、记录小润学习的开源资料: ###机器学习相关 #####网站:
#####书籍:
- 统计学习方法、集体智慧编程、利用python进行数据分析、机器学习实战、机器学习西瓜书、Spark MLlib 机器学习
- 自然语言处理、计算广告、推荐系统、计算机视觉、大数据应用实践
#####课程:
###深度学习相关 #####网站:
- deeplearning.net 收藏夹必备,paper指南
- Neural Networks and Deep Learning
- UFLDL教程
#####书籍:
- DeepLearningBook 亚马逊预售12月出,等不及花40元打
#####课程: