http://www.almosthuman.cn/2015/12/16/rhnvh/


本文作者Ankit Agarwal是面向开发者的神经网络平台提供商Silversparro Technologies的CTO和创始人。

1,第一步,了解什么是机器学习,最佳入门资源就是 Andrew Ngs (Ex-Google, Stanford, Baidu), an online course at coursera. 讲座让你足够了解机器学习的基础,不过课后作业会提升你对机器学习的了解。

2,接下来需要培养对神经网络的直觉。所以,继续编写你的第一个神经网络,和它玩耍吧

3,了解神经网络很重要,但是简单神经网络没有足够能力解决大多数有趣问题。变量-卷积神经网络很善于解决视觉问题。斯坦福课程笔记以及幻灯片:CS231n Convolutional Neural Networks for Visual Recognition(notes), 和CS231n: Convolutional Neural Networks for Visual Recognition (讲座幻灯片)。 herehere是两个很棒的有关CNNs的视频。

4,接下来就是自己电脑上运行你的第一个CNN

  • 安装 Boinc(这个对你的学习没帮助,但是能让其他研究人员在在它闲置的时候使用你的GPU从科学工作)

5,Digit提供上会给少数几个算法,比如 用来性格识别的Lenet ,图像分类的 Googlenet。你要下载 相关数据库( dataset for Lenetdataset for Googlenet )来运行这些算法。可以修改算法并尝试其他有趣的视觉图像识别任务,就像我们尝试过的( here)。

6,就各种NLP任务而言,RNNs是最佳选择。学习RNNs最好的地方是斯坦福的演讲视频(Stanford lecture videos here)。你可以下载 Tensorflow,用它来建造RNNs.

7,现在,继续选择一个深度学习问题吧,无论是面部识别还是语音识别、无人驾驶汽车等等,试着解决它。

如果你完成了所有步骤,恭喜!去申请谷歌、百度、微软、脸书或者亚马逊的职位吧。没多少人能做这些。


来自linkedin,机器之心编译出品。编译:微胖。