代码运行软件安装:
anaconda:一个管理环境的软件–>https://blog.csdn.net/scorn_/article/details/106591160(可选装)
pycharm:一个深度学习运行环境–>https://blog.csdn.net/scorn_/article/details/106591160(运行代码必装)
推荐书籍:
通过百度网盘分享的文件:深度学习(花书).pdf等2个文件
链接:https://pan.baidu.com/s/1brof0cXPURJ_amc05HcpYA?pwd=565P
提取码:565P
网上书记:Deep Learning (书籍): 由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写的经典教材,涵盖了深度学习的各个方面
如果不习惯下述学习网站可以参考:B站(此吴恩达课程优先学习)
机器学习:https://www.bilibili.com/video/BV164411b7dx/?spm_id_from=333.337.search-card.all.click
深度学习:https://www.bilibili.com/video/BV1FT4y1E74V/?spm_id_from=333.337.search-card.all.click
代码教程:https://github.com/lmoroney/dlaicourse :对应吴恩达课程的作业部分
基础知识:
- 数学基础: 对于深度学习,需要了解线性代数、微积分、概率论和统计基础。可以参考以下资源:
- Khan Academy 的相关课程:线性代数、微积分、概率和统计
- MIT OpenCourseWare 的线性代数和微积分
- 编程基础: Python 是深度学习最常用的编程语言,因此需要掌握 Python 语言。可以参考以下资源:
- 菜鸟教程 Python 3 教程
- 廖雪峰的 Python 教程
- 机器学习基础: 要理解深度学习,首先需要了解基础的机器学习概念。可以参考以下资源:
- Coursera 上的机器学习课程 (吴恩达教授开设)
- 西瓜书《机器学习》
深度学习基础:
- 深度学习理论: 学习深度学习的基本概念和算法,如神经网络、卷积神经网络、循环神经网络、优化方法等。可以参考以下资源:
- Coursera 上的深度学习专项课程 (吴恩达教授开设)
- 斯坦福大学 CS231n 课程
- 深度学习实践: 学习使用深度学习框架(如 TensorFlow、PyTorch)实现深度学习的应用。可以参考以下资源(英语要求较****高):
- TensorFlow 官方教程
- PyTorch 官方教程
- 动手学深度学习
- 深度学习项目实战: 通过实际项目来提升深度学习的实践能力,例如 Kaggle 上的深度学习比赛。
经典课程与PPT.代码资源学习
此外,还有一些中国的优质深度学习课程,例如清华大学的深度学习课程,浙江大学的机器学习课程等。
项目实战(后期用):
通过百度网盘分享的文件:【PPT】随堂课…等3个文件
链接:https://pan.baidu.com/s/1xaYK-pbGK-rBBfiPFN1RJg?pwd=13f4
提取码:13f4