【原创】分享一些机器学习和深度学习的学习资料

如果你还在苦苦寻找机器学习和深度学习入门资料的话,或许可以看看本文我的一些推荐,注意,本文只是点评这些资源,不提供任何资源的盗版下载,所有资源我本人都是正版获取也不会对外分享。

 

1 Coursera机器学习 by Andrew Ng ★★★★

https://www.coursera.org/learn/machine-learning

目前应该是免费课程

点评:非常好的零基础入门课程,可惜课程使用Octave而不是Python+Jupyter Notebook来教学,有点旧了(扣一星)。Andrew授课的特点是:

即使一点机器学习的基础都没有,也可以听懂,他会从需要的最基本的数学知识的根开始说起

没有PPT,都是边说变手写要表达的内容,这比静态的PPT一页一页播放强很多

总是安慰学员听不懂不要紧以后会详述或是做了作业就清晰了,确实也是这样,作业设计的很好

虽然自己是大牛,但是总是会说自己有的时候也会很难理解这些东西,让学的人觉得自己好像并没有这么蠢

应该说市面上很难找到比这个课程再容易入门的机器学习课程了,但是也是这个课的缺点,就是过于基础,稍微超出基本入门范畴的东西就点到为止,四颗星推荐

 

2 Coursera深度学习 by Andrew Ng(DeepLearning.ai) ★★★★

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

目前这个课按照月收费,每个月300人民币左右

点评:其实这是Andrew创办的公司DeepLearning.ai推出的系列课程,一共五门。同样的之前说的授课特点,补充几点:

作业设计的特别特别好,基础不好的人也可以顺利完成作业,很有成就感,作业里面会让你实现核心的内容,把周边不重要的东西都帮你实现了

每周都加入了一些深度学习大牛的专访,学习了专门课程对业内一些大牛也了如指掌了

深度学习的一些诸如YOLO、RNN、Word2Vec之类的算法其实比较难以理解的,但是Andrew能以通俗的语言来解释

这是市面上最好的深度学习入门课程,如果学的快的话一般可以一个月内完成,其实价格也相当合理,只要300,可惜只能作为入门,很多东西只是点到为止,不过这就足够了,五颗星推荐

 

3 深度学习纳米学位 by 优达学城 ★★

7000多的价格,还是很贵的

部分 1 简介 大约时长:5 小时 15 分钟

部分 2 神经网络 【项目: 你的第一个神经网络】 大约时长:14 天

部分 3 卷积神经网络 【项目: 图像分类】 大约时长:43 天

部分 4 循环神经网络 - 文本生成 【项目: 生成电视剧剧本 】大约时长:30 天

部分 5 循环神经网络 - 文本翻译 【项目: 语言翻译项目】 大约时长:21 天

部分 6 生成对抗网络 【项目: 生成人脸】 大约时长:21 天

部分 7 额外课程 大约时长:6 小时

点评:我的感觉课程说的很零散,感觉这个课程像是拼拼凑凑弄起来的,如果希望系统学习这个课程是不适合的,但是这个课程有3个亮点:

有专门的课程群,群里也会定期有一些分享和活动

里面有很多外部学习资料,可以扩展一些视野

作业或者说的设计还是很不错的,作业是人工点评的

不过因为课程说的不够系统,所以只看课程应该是很难完成作业的,需要自己看一些其他的资源才能完成项目,看了Andrew的课程再看这里的视频就觉得说的太快太散了,很多东西一笔带过

就我的感觉这课程不适合零基础入门,7000多的价格性价比还是很低的,当然,如果需要一个学习的氛围可以试试,课程是有时效限制的,过期不能学习,所以你需要逼自己一下,三星评分

 

4 Deep Learning For Computer Vision by Adrian Rosebrock ★★★☆

https://www.pyimagesearch.com/deep-learning-computer-vision-python-book/

有三个所谓的合集,价格如下,当然ImageNet Bundle是有实体书的所以更贵点:

【原创】分享一些机器学习和深度学习的学习资料

目录如下:

【原创】分享一些机器学习和深度学习的学习资料

【原创】分享一些机器学习和深度学习的学习资料

【原创】分享一些机器学习和深度学习的学习资料

点评:这个课程只是针对深度学习和计算机视觉的,对于希望专研CV的人来说这个课程的内容还是不错的,有下面的特点:

里面提到了很多真正要做工程需要做的东西,深度学习要用起来还是需要做很多工程工作的

里面有各种各样CNN架构的模型以及作者训练的过程的一些分析

里面有不少精心准备的例子,所有都有源代码

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zzsjzp.html