Как начинающие люди не понимают, как они могут попасть в глубокое обучение, науку о данных. Даже когда я начал изучать глубокое обучение несколько месяцев назад, я понятия не имел, с чего начать. Какой бы блог я ни читал, я вижу, что вам нужна математика, бла-бла-бла.
Я был очень средним по математике, но это было тогда. Но с помощью желания можно добиться всего. Итак, мы начинаем.
1. Примите решение
Все начинается с мышления. Сначала примите во внимание, что вы будете асом в обучении. Для небольшой мотивации вот цитата. Так что составьте правильный график или скажите расписание, которое будет подталкивать вас учиться каждый раз.
Ваши успехи и неудачи зависят от ваших привычек.
— Наполеон Хилл
2. Немного математики
Вот сложная часть, машинное обучение и глубокое обучение — это все о математике. Вы можете работать над основами, такими как подгонка модели, прогнозирование на основе существующей модели. Но чтобы что-то создать, нужно иметь некоторые познания в математике. Однажды мудрый человек сказал, что вам не нужно беспокоиться о математике.
Вам понадобится статистика, вероятность, исчисление, линейная алгебра.
Линейная алгебра: https://www.youtube.com/watch?v=kjBOesZCoqc&index=1&list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab
Исчисление: https://www.youtube.com/watch?v=WUvTyaaNkzM&list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr
Статистика и вероятность: https://www.mathsisfun.com/data/index.html#probability
Для глубокого обучения я рекомендую вам прочитать эту замечательную книгу.
3. Основы машинного обучения
Итак, мы начинаем. Затяните ремень безопасности, я имею в виду вашу способность к обучению. Вы узнаете много вещей.
Основы машинного обучения обычно включают в себя типы машинного обучения, такие как обучение с учителем и без учителя.
Где вы узнаете о линейной регрессии, логистической регрессии, кластеризации, деревьях решений, случайных лесах и многом другом.
Полное руководство по машинному обучению: https://www.youtube.com/playlist?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v
4. Введение в глубокое обучение
Мне нравится эта часть, я люблю играть с нейронными сетями. Это буквально лучшая часть моего опыта кодирования. Что ж, глубокое обучение — это настолько широкое поле, что даже вы можете пытаться находить что-то новое каждую неделю (что довольно мило).
Вы можете исследовать сети с прямой связью, сверточные нейронные сети, рекуррентные нейронные сети, обратное распространение, NLP, GAN, обучение с подкреплением, автоэнкодеры и многое другое. Как я уже сказал, это широкое поле.
https://www.youtube.com/playlist?list=PLZbbT5o_s2xq7LwI2y8_QtvuXZedL6tQU
я. Сверточная нейронная сеть
Все дело в компьютерном зрении, в том, как вы играете с пикселями. Вы можете изучить OpenCV, чтобы начать работу.
II. Рекуррентная нейронная сеть
Вы можете узнать о LSTM, GRU.
III. Обработка естественного языка
Честно говоря, мне никогда не нравилось играть с текстом, например, чистить тексты, делать из них векторы. Создание моделей seq2seq с использованием моделей Encoder-Decoder, Attention. Но вы даете шанс, у всех разные истории. Узнайте о встраивании слов, Bag-of-Words.
IV. ГАН
Это недавняя тенденция, как старение людей на их фотографиях.
в. Обучение с подкреплением
Q-Learning, Монте-Карло, Блоцманн и многое другое. Ну, я все еще в GAN. У меня нет надлежащей информации о подкреплении. Но вы можете пройти по этим ссылкам.
Вам понравится смотреть его видео.
https://www.youtube.com/watch?v=yMk_XtIEzH8&list=PLQVvvaa0QuDezJFIOU5wDdfy4e9vdnx-7
Вы можете пройти этот курс MIT, который также доступен на YouTube.
Добро пожаловать исследовать все больше и больше. Вы никогда не ограничены, чтобы учиться в одном месте, копайте столько, сколько сможете.
ПРИМЕЧАНИЕ ОТ СЕБЯ:
Старайтесь делать больше и больше проектов. Ваш Github должен выглядеть Греееееее
