快速介绍 Python 中的深度学习，具有高级数学和一些机器学习背景，但没有太多 Python 经验

数据挖掘 机器学习 Python 神经网络 深度学习
2021-10-03 08:32:09

我有以下一些不寻常的背景，并且我已经设法（可能是幸运地）获得了使用深度学习的计算机视觉研究人员的行业工作。

我的背景：我拥有纯数学博士学位，并拥有以下机器学习经验：线性和逻辑回归、支持向量机 (SVM)、线性和二次判别分析 (LDA/QDA)、决策树、PCA。我熟悉以上所有的数学理论，并在我精通的matlab中实现了LDA/QDA、SVM、PCA。

但是，我在 Python 和深度学习方面的经验非常有限，为零。我不知道 scikit 学习，只是对 NumPy 数组有点熟悉，但在连接空数组等基础知识方面仍然存在问题。我不知道 Python 中的类或列表等数据结构的例子——只是为了给你一个想法。我知道神经网络是什么，但不知道其他任何东西，例如反向传播或自动编码器。因此，我也不知道深度学习的理论。

时间限制：所以我必须在 Python 和深度学习方面获得一些实践经验，可能需要 2 个月（该公司有 4 个月的试用期并且只使用 Python，但他们' 将在 2 个月内了解我的学习情况，因此我必须快速学习）。

问题：鉴于我的专业知识和时间限制，您能否提及路线图（如果可能），以便我可以快速了解深度学习及其 Python 库（例如 Tensor Flow 或 Keras 等）？我知道那里有大量资源，但并非所有资源都可以在短时间内学会。

提前非常感谢！！！

4个回答

Stanfords CS231n 有一个很棒的 python+numpy 教程。 http://cs231n.github.io/python-numpy-tutorial/

至于神经网络和 Keras + Tensorflow，我可以推荐 Coursera 上的深度学习专业。一周免费。如果您不想要证书，您可以下载所有视频并停止。

如果您想要证书，您可以同时注册所有课程，并且比宣传的更快完成它们。他们假设每周工作 3-6 小时，持续 16 周。如果您每天有 6 小时的时间，则可以每天浏览一周的内容。Andrew Ng 说话清晰，视频以 1.5x-2x 的速度可以理解。

至于路线图，我建议

  • 从 python + numpy 开始，直到您对数组切片有基本的了解，并在遇到未知命令时阅读它们。
  • 开始您选择的 DL 课程，但不要逃课。那就是我认为即使您以后只会使用高级框架，了解基础知识也很重要。

提供链接一些很好的教程，这将帮助您理解深度学习的概念，并为您提供足够的背景知识，以便能够针对您自己的问题实现简单的模型。

https://in.udacity.com/course/deep-learning--ud730
大约。持续时间是三个月，但多花一点力气，你应该能够在两个时间内完成它。
另一个是 Coursera 上的 Andrew Ng 课程。你真的应该检查一下。
深度学习快速介绍： https ://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/

好的，首先我要告诉你，与传统的机器学习相比，深度学习非常容易，所以只要你对上面提到的机器学习算法有透彻的了解，你就不必担心 2 个月的期限。

现在这是 Andrew NG 的一门课程，如果您愿意审核，它是免费的。一旦你打开这门课程，只需通过它，你甚至不必做作业，只需了解非常容易掌握的概念。

完成课程后。为 windows设置 python 环境使用这个。对于 linux 使用这个.

之后从kerasGitHubb页面搜索 keras 教程，这可以让你继续前进。

如果您正在寻找 NLP（自然语言处理）领域的深度学习不错的可靠教程，那么 Robert Gutherie 的笔记本将是一个很好的开始。

它教你如何使用向量以及多维向量的样子以及如何处理它们。他使用 Facebook 的深度学习库 Pytorch 来解释这些概念。这个库比 tf 更 Pythonic，更简洁，所以更容易理解。（虽然个人意见）。

之后，您可以使用任何库，如 gensim、spacy 或 Fasttext，并将您的向量在那里工作。

一个很好的后续，也是通过Pytorch 的深度学习教程。它们写得非常好，而且通常非常直观，而且代码很容易阅读（感谢 Python 和 Pytorch 的 pythocicity :D）。

其它你可能感兴趣的问题
上一篇如何确定我们是否可以从给定的数据中学习？ 下一篇是否有任何用于对象检测的 RNN 方法