深度学习deep learning学习笔记

最新推荐文章于 2023-08-08 14:17:03 发布
原创 最新推荐文章于 2023-08-08 14:17:03 发布 · 575 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #机器学习 #思维导图 #人工智能 #引导式学习

Title: zhimind-深度学习目录
Date: 2016-10-28 22:18:30
slug: deep-learning-catalog
category: 机器学习
tags: CS, 机器学习, 人工智能, zhimind系列
Modified: 2016-10-22 20:18:30

深度学习目录

自引用：目录链接

思维导图

鼠标停在结点上时，如果有链接则会显示出来， 不然就看这个目录吧， 目录和导图转换还没有实现。

待更新

在看 Hinton在Coursera 开的 neural network for machine learning

深度学习 Deep Learning 学习笔记
大羚羊的学习博客
07-21 924
本文部分内容来自KTH课程Deep Learning in Data Science. 部分内容为Cousera吴恩达课程deeplearning.ai. 有可能会出现图片打不开的情况，翻墙会解决这个问题 目录 1 From Deep Learning in Data Science course 2 From DeepLearninhg.ai Course 1： Neural N...
浅谈深度学习(Deep Learning)的基本思想和方法
热门推荐
Xianling Mao的专栏
01-07 9万+
深度学习（Deep Learning），又叫Unsupervised Feature Learning或者Feature Learning，是目前非常热的一个研究主题。 本文将主要介绍Deep Learning的基本思想和常用的方法。 一. 什么是Deep Learning？ 实际生活中，人们为了解决一个问题，如对象的分类（对象可是是文档、图像等），首先必须做的事情是如何来表达一个对象，即必
Deep Learning in Python: Master Data Science and Machine Learning with Modern
07-30
Deep learning is making waves. At the time of this writing (March 2016), Google’s AlghaGo program just beat 9-dan professional Go player Lee Sedol at the game of Go, a Chinese board game. Experts in the field of Artificial Intelligence thought we were 10 years away from achieving a victory against a top professional Go player, but progress seems to have accelerated! While deep learning is a complex subject, it is not any more difficult to learn than any other machine learning algorithm. I wrote this book to introduce you to the basics of neural networks. You will get along fine with undergraduate-level math and programming skill. All the materials in this book can be downloaded and installed for free. We will use the Python programming language, along with the numerical computing library Numpy. I will also show you in the later chapters how to build a deep network using Theano and TensorFlow, which are libraries built specifically for deep learning and can accelerate computation by taking advantage of the GPU. Unlike other machine learning algorithms, deep learning is particularly powerful because it automatically learns features. That means you don’t need to spend your time trying to come up with and test “kernels” or “interaction effects” - something only statisticians love to do. Instead, we will let the neural network learn these things for us. Each layer of the neural network learns a different abstraction than the previous layers. For example, in image classification, the first layer might learn different strokes, and in the next layer put the strokes together to learn shapes, and in the next layer put the shapes together to form facial features, and in the next layer have a high level representation of faces. On top of all this, deep learning is known for winning its fair share Kaggle contests. These are machine learning contests that are open to anyone in the world who are allowed to use any machine learning technique they want. Deep learning is that powerful. Do you want a gentle introduction to this “dark art”, with practical code examples that you can try right away and apply to your own data? Then this book is for you. Who is this book NOT for? Deep Learning and Neural Networks are usually taught at the upper-year undergraduate level. That should give you some idea of the type of knowledge you need to understand this kind of material. You absolutely need exposure to calculus to understand deep learning, no matter how simple the instructor makes things. Linear algebra would help. I will assume familiarity with Python (although it is an easy language to pick up). You will need to have some concept of machine learning. If you know about algorithms like logistic regression already, this book is perfect for you. If not, you might want to check out my “prerequisites” book, at: http://amzn.com/B01D7GDRQ2 On the other hand, this book is more like a casual primer than a dry textbook. If you are looking for material on more advanced topics, like LSTMs, convolutional neural networks, or reinforcement learning, I have online courses that teach this material, for example: https://www.udemy.com/deep-learning-convolutional-neural-networks-theano-tensorflow New libraries like TensorFlow are being updated constantly. This is not an encyclopedia for these libraries (as such a thing would be impossible to keep up to date). In the one (1!!!) month since the book was first published, no less than THREE new wrapper libraries for TensorFlow have been released to make coding deep networks easier. To try and incorporate every little update would not only be impossible, but would continually cause parts of the book to be obsolete. Nobody wants that. This book, rather, includes fundamentals. Understanding these building blocks will make tackling these new libraries and features a piece of cake - that is my goal.
Hinton Neural Networks课程笔记1d：一个简单的机器学习实例
silent56_th的博客
07-22 1105
这里介绍一个用于识别数字的模型实例，输入是图像（即n个pixel），输出是数字类别。这里采用的模型是每个pixel对每个数字类别进行加权投票，最后票数多的类别获胜，其实就是一个线性函数。 那这里面有一个权重表示方法还是蛮有意思的，权重用和输入相同的一张图表示，位置对应于输入的pixel的位置，正负用黑白表示，权重绝对值大小用点的大小表示。这样就可以直观的查看权重了。 学习算法是一种早期机器学
吴恩达深度学习Deep Learning课程笔记
yxx35AN的博客
06-20 4736
在计算机中为了保存一张图片，需要保存三个矩阵，它们分别对应图片中的红、绿、蓝三种颜色通道，如果你的图片大小为64x64像素，那么你就有三个规模为64x64的矩阵，分别对应图片中红、绿、蓝三种像素的强度值。从简单的根据房子尺寸预测房价例子开始，拟合房价的过程从左抽象为右，输入房子尺寸，输出价格，这就是一个简单的神经网络，中间的圆圈就是一个独立的神经元。损失函数是在单个训练样本中定义的，它衡量的是算法在单个训练样本中表现如何，为了衡量算法在全部训练样本上的表现如何，我们需要定义一个算法的总代价函数，即对。
DeepLearning深度学习（花书）读书笔记——引言
小鼻涕虫BoZ的博客
08-08 1220
深度学习（花书）读书笔记——第一章 引言
Deep Learning 学习笔记
This is bill的专属博客
07-17 4528
一、文章来由好久没写原创博客了，一直处于学习新知识的阶段。来新加坡也有一个星期，搞定签证、入学等杂事之后，今天上午与导师确定了接下来的研究任务，我平时基本也是把博客当作联机版的云笔记~~如果有写的不对的地方，欢迎批评指正。二、《一天搞懂深度学习》300多页的PPT，台大教授写的好文章。 对应的视频地址1、Lecture I: Introduction of Deep Learning（1）mach
【学习笔记】李宏毅 - 深度学习DeepLearning
usernameisnotexist的博客
10-12 290
1. DeepLearning的经历。
花书《deep learning》深度学习 学习笔记 深度学习历史趋势
m0_52186223的博客
01-10 1416
前言部分是对整个深度学习的发展历史的一种俯视，想要进入该领域，对整个发展的起承转合还是需要有一个了解的。 从硬编码到机器学习到表示学习到深度学习，这是一个具有时间序列的发展，可以看到深度学习得发展是十分曲折，很有幸，我能站在第三次浪潮之中，希望能窥见大门。
【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Introduction
知不足而奋进，望远山而前行
12-10 2万+
这一步骤在 Deep Learning 中通常表现为建立Model。比如，建立了一个3层的全连接网络，每一层是由线性层+ReLu激活函数构成的，这就是我们定义的函数表达式。在每一个线性层中，都有未知的参数 w 和 b损失函数的值代表了真实值与预测值之间的差距，通常来说，损失函数值越小，代表模型的预测就越接近真实值。常用的损失函数如下图所示：MAE、MSE 等案例介绍已知2017年-2020年的播放量数据，通过已知的数据，训练一个模型（拟合一个函数），预测未来的播放量思路分析建立参数未知的函数表达式。
Deeplearning深度学习笔记v5.571
08-03
黄海广博士及其团队的努力使得这些深度学习课程的中文笔记得以持续更新，为中国的学生和AI爱好者提供了便利的学习资源。这些笔记有助于加深对课程内容的理解，尤其是在没有完整字幕的情况下。 通过这个深度学习课程...
吴恩达Deeplearning深度学习笔记v5.7.pdf
06-22
我设置的价格是0，优快云下载多了会自动提价， 如有需要，请点击：...吴恩达 Deeplearning深度学习笔记v5.7 最新PDF版 免积分下载 https://blog.youkuaiyun.com/ftimes/article/details/106911087
deeplearning-ai-books-深度学习资源包
最新发布
05-10
深度学习（Deep Learning，简称DL）是机器学习（Machine Learning，简称ML）的一个子集，也是人工智能（Artificial Intelligence，简称AI）领域的一个重要分支。它被引入机器学习，旨在使机器更接近于实现人工智能的...
Deeplearning深度学习笔记v5.53
08-31
Deeplearning深度学习笔记v5.53 吴恩达机器学习笔记更新--在这 5 堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。...
吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客
10-25
本资料包“吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客”提供了全面的学习资源，旨在帮助初学者系统地掌握深度学习的基础知识。 首先，"deeplearning深度学习笔记v5.1.pdf"可能是吴恩达...
机器学习三要素
sndnyangd的专栏
11-25 2494
Title: 机器学习三要素 category: 机器学习 tags: CS 机器学习 人工智能 深度学习 summary: 统计机器学习三要素， 模型+策略+算法， 主要出自李航的《统计学习方法》 致谢 模型 损失函数总结 策略总结 算法 深度学习目录链接 完整版 李航《统计学习方法》
谷歌笔试惊心动魄
sndnyangd的专栏
10-18 1948
本没打算向谷歌投递简历，这并不是自信与不自信的问题。截止目前（今天10月18号）为止，我确实没收到哪怕一份说我简历通过筛选，让我到外地笔试的通知。这个数据不用挖掘都知道一定规律了，所以我压根就没想过向谷歌投简历。        可后来，和学长聊找工作的问题，他提到谷歌在厦门设笔试点（10月15号），我瞬间心中一动，赶紧向学长确认，不过当时还没到10月，所以最后是10月7号才投递简历的。然后又掷于
ACM解题报告 XOJ 1004
sndnyangd的专栏
07-27 1319
什么？不知道XOJ是哪个？没关系，http://acm.xmu.edu.cn/  厦门大学的OJ，比起POJ、ZOJ这两个大而全的ACM OJ来说，厦门大学的OJ题目少了很多，但是有个好处就是，作为用于算法课的辅助系统，上面有很多原封不动的算法书上的题目。        这不，我就来介绍下1004 http://acm.xmu.edu.cn/JudgeOnline/problem.php?id=
算法系列（三） 快速排序
sndnyangd的专栏
07-27 1308
快速排序        终于到我们人见人爱，花见花开，鸟见鸟呆，车见车爆胎的快速排序了！        快排的好处不用多说，平均时间的NlogN，O(1)的辅助空间，一般比其他的排序算法要快得多。        当然也有些不足，首先，不稳定，所以多关键字排序的最后一排肯定不能用了，另外，最坏情况下则为N^2。        快速排序和归并排序一样，都属于分治的排序方法。据说当年Hoar
吴恩达深度学习课程笔记：Coursera Deeplearning.ai 实战解析
"Deeplearning深度学习笔记v5.54是针对吴恩达老师在Coursera上的深度学习课程(deeplearning.ai)编写的中文笔记，旨在帮助已具备编程基础和机器学习知识的学员进入人工智能领域。笔记涵盖了课程的全部内容，包括深度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值