原作：Bargava

安妮 編譯自 Medium

量子位 出品 | 公眾號(hào) QbitAI

給你6個(gè)月的時(shí)間開始學(xué)習(xí)深度學(xué)習(xí)，能夠達(dá)到怎樣的程度？

在這篇文章中，數(shù)據(jù)科學(xué)培訓(xùn)老師Bargava就帶你半年入門深度學(xué)習(xí)。

在這份攻略中，我將給大家講講零基礎(chǔ)入門深度學(xué)習(xí)可行性強(qiáng)的資料和學(xué)習(xí)方法。當(dāng)然，雖說的零基礎(chǔ)，但也有一個(gè)小門檻，你需要滿足以下條件：

• 在接下來的6個(gè)月中，每天花費(fèi)10-20小時(shí)學(xué)習(xí)

• 已經(jīng)具備一些編程技巧，懂一些Python和云的基礎(chǔ)知識(shí)

• 有一些數(shù)學(xué)基礎(chǔ)（代數(shù)、幾何等）

• 有一臺(tái)計(jì)算機(jī)，并且能聯(lián)網(wǎng)

量子位在這里補(bǔ)充一句，想入門的小伙伴也可以現(xiàn)在開始準(zhǔn)備英語了，畢竟……這些課程都是英文的。

第一階段

如果想學(xué)開車，應(yīng)該坐上車通過模擬真實(shí)開車環(huán)境學(xué)習(xí)，而不是首先了解內(nèi)燃機(jī)和離合器的工作原理。學(xué)習(xí)深度學(xué)習(xí)亦是如此，我們需要遵循這種自上而下的學(xué)習(xí)方法。

推薦fast.ai上的教程Practical Deep Learning for Coders—Part 1。這個(gè)課程需要學(xué)習(xí)4到6周的時(shí)間，并且包含一個(gè)云端運(yùn)行代碼的session。

不如就從這個(gè)課程開始入手吧。

當(dāng)然，也有一些其他不錯(cuò)的服務(wù)平臺(tái)可供你選擇，包括Paperspace、亞馬遜AWS、谷歌云平臺(tái)（GCP）、Crestle和Floydhub等。

但切記，現(xiàn)在還沒到開始構(gòu)建模型的時(shí)候。

Practical Deep Learning for Coders地址：

http://www.fast.ai/

第二階段

是時(shí)候了解一些基礎(chǔ)知識(shí)了。在這個(gè)階段，你需要學(xué)習(xí)微積分和線性代數(shù)。

MIT的Big Picture of Calculus課程可以幫你快速概覽微積分基礎(chǔ)知識(shí)。

對(duì)于線性代數(shù)，MIT知名教授Gilbert Strang的OpenCourseWare是個(gè)不二選擇。

學(xué)習(xí)完上面兩門課程后，推薦你閱讀舊金山大學(xué)科學(xué)家、fast.ai聯(lián)合創(chuàng)始人Jeremy Howard的Matrix Calculus For Deep Learning。

Big Picture of Calculus地址：

https://ocw.mit.edu/resources/res-18-005-highlights-of-calculus-spring-2010/highlights_of_calculus/big-picture-of-calculus/

OpenCourseWare地址：

https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/

Matrix Calculus For Deep Learning地址：

http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html

第三階段

經(jīng)過前面兩個(gè)基礎(chǔ)夯實(shí)階段，現(xiàn)在我們有時(shí)間貫徹上面提到的自下而上學(xué)習(xí)法了。

這個(gè)階段推薦大家修一下Coursera上的Deep Learning專項(xiàng)課程，里面包含5門吳恩達(dá)創(chuàng)立的deeplearning.ai的課程。

Coursera上“微專業(yè)”獲取方式和大學(xué)修展業(yè)很相似，學(xué)習(xí)課程后也需要完成相關(guān)作業(yè)。但講真你值得修一個(gè)專業(yè)。

理想情況下，根據(jù)你目前的學(xué)習(xí)基礎(chǔ)，完成一門課程需要花費(fèi)一周時(shí)間。

deeplearning.ai課程地址：

https://www.coursera.org/specializations/deep-learning

第四階段

只學(xué)習(xí)不會(huì)玩，聰明的小孩也會(huì)變傻。

現(xiàn)在是時(shí)候了解深度學(xué)習(xí)庫了，TensorFlow、PyTorch和MXNet等都需要去了解一下，并且可以為你喜歡的問題從頭開始構(gòu)建架構(gòu)了。

到這里我們可以發(fā)現(xiàn)，前三個(gè)步驟是在理解深度學(xué)習(xí)是什么，從第四步開始，你需要學(xué)習(xí)從頭開始實(shí)現(xiàn)一個(gè)項(xiàng)目，并學(xué)習(xí)利用各種工具構(gòu)建模型。

第五階段

現(xiàn)在，可以去剛剛提到的fast.ai課程的第二部分看看了，也就是Cutting Edge Deep Learning for Coders這一課。這里面包含的問題更高級(jí)，你將學(xué)習(xí)閱讀最新的研究論文并且學(xué)習(xí)去理解它們。

上面的每個(gè)階段都需要4至6周的時(shí)間去理解它們。當(dāng)你按照上面的方法學(xué)習(xí)了26周后，你會(huì)打下堅(jiān)實(shí)的深度學(xué)習(xí)基礎(chǔ)。

Cutting Edge Deep Learning for Coders課程地址：

http://course.fast.ai/part2.html

下一站

之后，你可以學(xué)習(xí)斯坦福的CS231n: Convolutional Neural Networks for Visual Recognition和CS224d: Deep Learning for Natural Language Processing兩門課程了，它們對(duì)視覺和NLP的講解比較深度透徹。

如果有時(shí)間，還推薦你讀讀這本Deep Learning，對(duì)鞏固理解很有幫助。

CS231n課程地址：

http://cs231n.stanford.edu/

CS224d課程地址

http://cs224d.stanford.edu/

Deep Learning電子書地址：

http://www.deeplearningbook.org/

鉆研深度學(xué)習(xí)是一件樂事，用你的每一天去創(chuàng)造吧。

最后，附原文鏈接：

https://medium.com/@bargava/how-to-learn-deep-learning-in-6-months-e45e40ef7d48

— 完 —

誠(chéng)摯招聘