学习资料-人工智能资料大全

人工智能资料大全

斯坦福大学cs231

课件地址: http://cs231n.stanford.edu/slides/2017/
课程视频地址: https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv
Bilibili视频地址: http://www.bilibili.com/video/av13260183/#page=1

  1、入门首选:

   http://deeplearning.net/tutorial/
  该站提供了一系列的theano代码示范,通过研究模仿,就可以学会包括NN/DBN/CNN/RNN在内的大部分主流技术。其中也有很多文献连接以供参考。
  2、BP神经网络:
   http://neuralnetworksanddeeplearning.com/
  第1部分的教程中,神经网格的参数是theano自动求导的,如果想深入了解细节,还得手动推导加代码实现一遍。该教程对BP神经网络的理论细节讲的非常好。
  3、理论补充:
   http://goodfeli.github.io/dlbook/
  该书内容比较广泛,虽未最终完成,但已初见气象。用来完善理论知识是再好不过。
  4、图像处理中的卷积神经网络:
   http://vision.stanford.edu/teaching/cs231n/syllabus.html
  前面三部分相当于导论,比较宽泛一些,该教程则是专注于卷积神经网络在图像视觉领域的运用,CNN方面知识由此深入。
  5、自然语言处理中的深度学习:
   http://cs224d.stanford.edu/
  本教程则偏重于深度学习在自然语言处理领域的运用,词向量等方面知识由此深入。
  6、递归神经网络:
   http://www.wildml.com/
  该博客讲的RNN是非常棒的系列,不可不读。
  7、keras框架:
   http://keras.io/
  keras框架是基于theano的上层框架,容易快速出原型,网站中提供的大量实例也是非常难得的研究资料。
  8、深度学习和NLP
   https://github.com/nreimers/deeplearning4nlp-tutorial/tree/master/2015-10_Lecture
  该教程是第5部分的补充,理论讲的不多,theano和keras代码讲的很多,附带的代码笔记很有参考价值。
  9、机器学习教程
   https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/
  牛津大学的机器学习课程,讲到了大量深度学习和强化学习的内容,适合于复习过一遍。
  10、搭建硬件平台
   http://xccds1977.blogspot.com/2015/10/blog-post.html
  到这里,你的理论和代码功力应该差不多入门了,可以组个GPU机器来大干一场了。可以参考笔者这个博客来攒个机器。
  11、去kaggle实战玩玩吧
        http://www.kaggle.com/


  链接: https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm
  MIT微积分公开课
  链接: https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x
  MIT概率论公开课
  链接: https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2
        神经网络细胞原理 http://www.tudou.com/listplay/sQi_LbKp7Kk/VUQGmBXIzf0.html
        人工神经网络 http://www.analyticsvidhya.com/blog/2016/03/introduction-deep-learning-fundamentals-neural-networks/
人工智能(AI)资料大全 | 程序师

你可能感兴趣的:(人工智能)