大數(shù)據(jù)文摘作品，轉(zhuǎn)載要求見文末
編譯團隊|姚佳靈 裴迅
簡介
▼
深度學(xué)習(xí)，是人工智能領(lǐng)域的一個突出的話題，被眾人關(guān)注已經(jīng)有相當長的一段時間了。它備受關(guān)注是因為在計算機視覺（Computer Vision）和游戲（Alpha GO）等領(lǐng)域有超越人類能力的突破 。自上一次調(diào)查（查看調(diào)查：https://www.analyticsvidhya.com/blog/2014/06/deep-learning-attention/）以來，對于深度學(xué)習(xí)的關(guān)注又出現(xiàn)了大幅增加的趨勢。
下圖是谷歌趨勢向我們所展示的：
如果你對這個話題感興趣的話，本文是一個很好的非技術(shù)性的介紹。如果你有興趣了解關(guān)于深度學(xué)習(xí)的最新趨勢，本文是一個很全面的匯總。
在這里，我們的目標是為新手和想進一步探索深度學(xué)習(xí)的人們提供一個學(xué)習(xí)路徑。那么，你準備好踏上征服深度學(xué)習(xí)的征程了嗎？我們上路吧。
步驟0：出征準備
建議在進入深入學(xué)習(xí)領(lǐng)域之前，應(yīng)該了解機器學(xué)習(xí)的基本知識?！皺C器學(xué)習(xí)的學(xué)習(xí)路徑”（https://www.analyticsvidhya.com/learning-path-learn-machine-learning/）是一個完整的資源，讓你開始了解該領(lǐng)域。
如果你想要一個較短的版本，請看下面：
基礎(chǔ)數(shù)學(xué)，資源1：“數(shù)學(xué)|可汗學(xué)院（Khan academy，https://www.khanacademy.org/math）”（尤其是微積分、概率論和線性代數(shù)）
Python基礎(chǔ)，資源：“計算機科學(xué)入門”（https://www.datacamp.com/community/open-courses/introduction-to-python-machine-learning-with-analytics-vidhya-hackathons#gs.null），EDX課程
統(tǒng)計學(xué)基礎(chǔ)，資源：“統(tǒng)計入門”（https://www.udacity.com/course/intro-to-statistics--st101），Udacity的課程
機器學(xué)習(xí)基礎(chǔ)，資源：“機器學(xué)習(xí)入門”（https://www.udacity.com/course/intro-to-machine-learning--ud120），Udacity的課程
時間：建議2-6個月
步驟1：設(shè)置好你的機器
在繼續(xù)下一步之前，請確保有支撐硬件。一般建議應(yīng)該至少有：
一個足夠好的GPU（4+ GB），最好是Nvidia的
一個夠用的CPU（如英特爾酷睿i3可以，而英特爾Pentium 不行）
4GB 內(nèi)存或取決于數(shù)據(jù)集。
如果仍然不確定，可以看一下這個硬件指南http://timdettmers.com/2015/03/09/deep-learning-hardware-guide/
PS：如果你是一個鐵桿游戲玩家（當然不只是糖果粉碎機玩家！），你可能已經(jīng)有了所需硬件。
如果沒有所需硬件，可以購買或租用一個亞馬遜網(wǎng)頁服務(wù)（AWS，https://aws.amazon.com）。這里有個利用AWS進行深度學(xué)習(xí)的好指南：http://cs231n.github.io/aws-tutorial/。
注意：在這個階段不用安裝任何深度學(xué)習(xí)的學(xué)習(xí)庫，這些在步驟3中做。
步驟2：嘗試一下
現(xiàn)在有了足夠的預(yù)備知識，可以進一步了解深度學(xué)習(xí)了。
按照個人喜好，可以關(guān)注：
博客：（資源1：“深度學(xué)習(xí)的基礎(chǔ)”https://www.analyticsvidhya.com/blog/2016/03/introduction-deep-learning-fundamentals-neural-networks/，資源2：“黑客的神經(jīng)網(wǎng)絡(luò)指南” http://karpathy.github.io/neuralnets/）
視頻：“簡化的深度學(xué)習(xí)”https://www.youtube.com/watch?v=b99UVkWzYTQ&list=PLjJh1vlSEYgvGod9wWiydumYl8hOXixNu
教科書：《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)》http://neuralnetworksanddeeplearning.com
除了這些先決條件，還應(yīng)該知道流行的深度學(xué)習(xí)程序庫和運行它們的語言。這是一個（非全面）列表（更全面的列表請查看維基頁面）：
Caffe ：http://caffe.berkeleyvision.org
DeepLearning4j：http://deeplearning4j.org
Tensorflow：https://www.tensorflow.org
Theano：http://www.deeplearning.net/software/theano/
Torch：http://torch.ch
其他一些著名的庫包括：
Mocha：http://mochajl.readthedocs.io/en/latest/
neon：http://neon.nervanasys.com/index.html/
H2O：http://www.h2o.ai/verticals/algos/deep-learning/
MXNet：https://github.com/dmlc/mxnet
Keras： https://keras.io
Lasagne：http://lasagne.readthedocs.io/en/latest/
Nolearn：https://github.com/dnouri/nolearn
這里有一個根據(jù)語言分類的深度學(xué)習(xí)庫列表：http://www.teglor.com/b/deep-learning-libraries-language-cm569/
建議看斯坦福的cs231n課程第12講：流行的深度學(xué)習(xí)庫概述http://cs231n.stanford.edu/slides/winter1516_lecture12.pdf
時間：建議1-3周
步驟3：選擇你自己的探險之路
現(xiàn)在有趣的部分來了！深度學(xué)習(xí)已被應(yīng)用在各個領(lǐng)域并帶來了最先進成果。為了進入到這個領(lǐng)域，你，讀者，需要選擇一條合適自己的路走。這應(yīng)該是個實踐經(jīng)驗，那樣你就可以在目前所理解的之上獲得一個合適的基礎(chǔ)。
注意：每條路徑包含一個入門簡介的博客，一個實踐項目，項目所需的深度學(xué)習(xí)的程序庫和輔助課程。首先理解簡介，然后安裝所需的程序庫，開始項目工作。如果你在這其中遇到任何困難，利用相關(guān)的課程以獲得支持。
深度學(xué)習(xí)之計算機視覺
入門簡介：“DL forComputer Vision”電腦視覺博客https://www.analyticsvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-convolution-neural-networks/
項目：“FacialKeypoint Detection”人臉關(guān)鍵點檢測教程http://danielnouri.org/notes/2014/12/17/using-convolutional-neural-nets-to-detect-facial-keypoints-tutorial/
所需程序庫：Nolearn，https://github.com/dnouri/nolearn#installation
相關(guān)課程：“cs231n： 卷積神經(jīng)網(wǎng)絡(luò)視覺識別”http://cs231n.stanford.edu
深度學(xué)習(xí)之自然語言處理
入門簡介：“DeepLearning, NLP, and Representations”（“深度學(xué)習(xí)，自然語言處理與呈現(xiàn)”博客，http://colah.github.io/posts/2014-07-NLP-RNNs-Representations/）
項目：“深度學(xué)習(xí)聊天機器人”：
“第一部分”http://www.wildml.com/2016/04/deep-learning-for-chatbots-part-1-introduction/
“第二部分”http://www.wildml.com/2016/07/deep-learning-for-chatbots-2-retrieval-based-model-tensorflow/
所需程序庫：tensorflow
https://github.com/dennybritz/chatbot-retrieval/#setup
相關(guān)課程：“cs224d：深度學(xué)習(xí)在自然語言處理方面的應(yīng)用” http://cs224d.stanford.edu
深度學(xué)習(xí)之語音/音頻識別
入門簡介：“深度演講：深度學(xué)習(xí)的經(jīng)驗教訓(xùn)”新聞和相應(yīng)的視頻。http://usa.baidu.com/deep-speech-lessons-from-deep-learning/
項目：“用Magenta生成音樂（tensorflow）”https://magenta.tensorflow.org/2016/06/10/recurrent-neural-network-generation-tutorial/
所需程序庫：Magenta，https://github.com/tensorflow/magenta#installation
相關(guān)課程：“深度學(xué)習(xí)（2016春季），cilvr實驗室@紐約http://cilvr.cs.nyu.edu/doku.php?id=courses:deeplearning2016:start
深度學(xué)習(xí)之強化學(xué)習(xí)
入門介紹與項目：“深度強化學(xué)習(xí)：來自Pixels的乒乓球游戲” http://karpathy.github.io/2016/05/31/rl/
所需程序庫：沒有要求。但是需要openAI gym （https://github.com/openai/gym#installation）來測試你的模型。
相關(guān)課程：“cs294：深度強化學(xué)習(xí)”http://rll.berkeley.edu/deeprlcourse/
時間：建議1-2個月
步驟4：深入深度學(xué)習(xí)
現(xiàn)在（幾乎）能夠在深度學(xué)習(xí)名人堂上占一個坑！前面的道路是漫長的和深刻的（雙關(guān)語），其實主要是還未探索過的。現(xiàn)在是靠你自己熟悉和使用這個新技能的時候。這里有一些技巧，可以提升你的技能。
選擇一個不同的路徑重復(fù)上述步驟。
深度學(xué)習(xí)之以上沒提到的?。ɡ纾航灰椎纳疃葘W(xué)習(xí)，為優(yōu)化能源效率的深度學(xué)習(xí)https://deepmind.com/blog/?t=1）
使用你新學(xué)到的技能來創(chuàng)建一個東西（請記得，力量越大，責(zé)任越大，https://xkcd.com/1613/）
測試你的深度學(xué)習(xí)技能（如Kaggle， https://www.kaggle.com/competitions）
參與深度學(xué)習(xí)社區(qū)（如谷歌群 https://plus.google.com/u/0/communities/112866381580457264725，DL subreddithttps://www.reddit.com/r/deeplearning/）
關(guān)注最新的研究成果及研究人員。（如“RE.WORK DL Summit ”，https://www.re-work.co/events/deep-learning-sanfran-2016”）
時間：建議——無上限！
結(jié)語
▼
希望本文對各位讀者有幫助！
