美文网首页Machine Learning & Recommendation & NLP & DLAI圈
深度学习零基础入门与面试必会(0)-引言

深度学习零基础入门与面试必会(0)-引言

作者: nlpjoe | 来源:发表于2018-12-20 15:54 被阅读0次

    转自公众号-AI圈终身学习,深度学习零基础入门与面试必会
    致力于提供一个有情怀的集训互享开源平台,欢迎关注。


    文集介绍

    不用框架,代码手撸深度神经网络,系列文章。适合零基础入门,更适合进阶。系列文章,提前关注不迷路。适宜人群:

    • 深度学者初学者
    • 深度学习面试进阶者
    • 有意向转行AI的IT从业者
    • 对深度学习感兴趣的在校大学生

    纸上得来终觉浅,文集所有代码地址:https://github.com/AIGroup-Z/deep-neural-network

    写在前面

    脱离框架,手撸代码学习深度神经网络。适合零基础入门,更适合进阶。系列文章,提前关注不迷路。

    今年我国第一本写给中学生的《人工智能基础(高中版)》正式发布,意味着AI正式进入高中课堂。几十年后我们再回首,这应该是能进入中国历史,并且让我们回忆起精彩往昔的年份。以前我从事iOS行业,所以现在想总结出零基础朋友也能看懂的深度学习系列文章。

    这是第一篇,先对这个方向进行介绍。我知道很多朋友已经有相当的框架使用经验,也请耐心慢慢往下看或者直接看第三节。

    一、当下

    你会发现谷歌翻译越来越好用了、淘宝给你推荐的东西越来越想买了、你不知道淘宝客服到底是人还是机器人了、你花了更多时间玩抖音和今日头条了、百度推出无人车要量产了。很多同学不看好AI发展,也只有一句话能表达我的观点:我们喜欢高估五年,却低估十年。Anyway,了解下总是不会有错的。

    二、深度学习是啥?

    要说深度学习就得先说神经网络。我们知道人工智能是以月为单位,高速发展的行业。其中机器学习是人工智能中的一种方法,在机器学习中有一类算法叫神经网络(其他的不用关心,我们暂时不学)。神经网络长这个样子:


    Neural Network

    其中INPUT叫输入层,HIDDEN叫隐藏层, OUTPUT叫输出层。如果HIDDEN隐藏层有:

    • 一层:神经网络
    • 两层及以上:深度神经网络

    深度学习主要以深而复杂的神经网络模型为基础,能挖掘海量数据深层蕴藏的数据规律,具备强大的学习能力。来一张图对比下:


    5421545098619_.pi

    这张图从上到下分别是:

    • 大型神经网络
    • 中型神经网络
    • 小型神经网络
    • 传统机器学习算法

    可以看到数据量较小的时候,这几类算法性能不相上下。但是随着大数据时代的爆发,数据量几何倍增长。深度学习因为能组合底层特征形成更加抽象的高层特征,从而得到了用武之地。可以毫不夸张地说,深度学习彻底改变了传统机器学习算法的解决问题方式。所以对于想要了解或者从事该行业的人员,有一个扎实的深度学习基础功是非常重要的。

    三、扎实的深度学习基础到底是什么?

    如果你说你只能用Keras、PyTorch、MXNet或者TensorFlow搭建神经网络那只能是不及格的。扎实的深度学习基础简单说就两个方面:

    1. 脱离框架懂网络原理

    1. 多练习使用框架实战,调参积累和数据直觉

    我知道很多朋友在第二点上有经验,能打比赛,但是心里始终觉得自己没有吃透深度学习。但是网络上几乎所有教程都是用框架做深度学习,学会了也只能搭积木不能造轮子。

    所以我准备花点时间总结一个系列文章,总结过程也帮助自己在第一点上打牢基础。以后不管是面试还是写业务,都可以熟练的不依靠框架手写一个CNN丢面试官或者老板脸上。适合零基础,更适合想进阶的朋友。

    四、如何学习深度学习?

    这是本系列文集暂定要写的内容:

    image

    我比较注重深度学习实践结合理论,用通俗的文字表达观点。只要你跟着写了代码,一定能学懂。如果您是新手看得云里雾里,暂时不要急,直接看下一章开始学习吧!(ps:大家多关注,更有动力加速更新哟~)

    文集所有代码地址:https://github.com/AIGroup-Z/deep-neural-network


    如果有任何问题,你不是一个人。可以在公众号首页找到我们的组队学习群。

    相关文章

      网友评论

        本文标题:深度学习零基础入门与面试必会(0)-引言

        本文链接:https://www.haomeiwen.com/subject/nlgykqtx.html