deep learning tips

图片发自App

1.学习机器学习、深度学习之前先补补高数、线代、概率论，国内的我觉得张宇讲的就挺好http://pan.baidu.com/share/link?shareid=1975105579&uk=190071369。也推荐MIT的经典线代课http://open.163.com/special/opencourse/daishu.html。

2.cousera上吴恩达的machine learning的课程，吴恩达是机器学习大牛，Stanford的教授，现在百度大脑的负责人，这门课在coursera很赞，有完整的资料，slides和课后的编程题。我的百度云也有一份完整的视频、slides、笔记、课后作业答案，可以对照着看，链接：pan.baidu.com/share/link 。

这门课比较基础，他说英文也比较慢，可以试试不开中文翻译。编程用的语言是matlab。

3.学习deep learning和computer vision,可以听李飞飞在Stanford开的cs231n.讲的很细，李飞飞是计算机视觉大牛，华人科学家，现在google cloud machine learning的负责人。链接：pan.baidu.com/share/link。对了，网易云课堂有翻译的课程study.163.com/course/courseMain.htm，知乎上有课程的笔记翻译zhuanlan.zhihu.com/p/21930884。可以配合着使用，课程大部分是她的博士生Andej Karpathy讲的，语速巨快(´ω｀)，可以听网易云的翻译。编程语言用的是Python,Jupyter Notebook这个交互式的环境特别推荐。

4.前三个已经足够入门了，第四个是台大林轩田的机器学习，讲的比较深，数学比较难，有兴趣可以听听，链接pan.baidu.com/share/link。搞完前三个再做深入的研究就可以开始看论文了，给几个论文集合的链接。这是deep learning的一些论文awesome deep learning papers，计算机视觉awesome deep vision，还有个是object detdection:github.com/hubeihubei/awesome-object-proposals。

计算机视觉资源列表：computer vision resources lists

张志华

机器学习导论：机器学习导论

统计机器学习：统计机器学习

持续更新，哈哈`(*∩_∩*)′

�