2019春招在即，这份深度学习指南请收下

介绍

告别2018，正式进入2019年。春节过后2019年春招即将开始，无论是刚走出校园的学生还是准备换工作的职员，都需要在这段时间好好做些面试准备。在2018年这个深度学习的火热之年，机器学习/深度学习的高薪已经毋庸置疑。如果数据科学中有一个领域在过去几年中导致了机器学习和人工智能的发展，那就是深度学习。从大学的研究实验室到为地球上的每个智能设备供电 - 深度学习和神经网络已经开始了一场革命。

深度学习无处不在，无论是计算机视觉应用还是自然语言处理领域的突破，我们都生活在一个深度学习推动的世界中。

由于技术的快速发展，越来越多的人能够利用深度学习的力量。与此同时，这是一个复杂的领域，对新人来说似乎令人生畏。考虑到这些因素，我们很高兴能够在2019年推出全面的深度学习途径！这个学习路径专为想要学习深度学习的人而设计，无论您的水平如何。这种结构化的路径对于希望通过实践学习直接采取行动的人们特别有用。无论您是一个完整的新人，还是从不同的领域过渡，或者想要自我提升，这个计划都应该为您提供必要的指导。

学习规划

以下是您应该在深度学习领域中了解（和掌握）核心概念的：

• 入门：深度学习是由几个组件组成的广阔领域。因此，为了开始您的学习之旅，我们建议您从头开始。第一个月将全面了解深度学习的含义，涵盖基本的描述性统计和概率概念，以及学习Python！

• 机器学习基础：在有了一些基本的了解之后，下一步将是进入机器学习的世界。这包括线性回归，逻辑回归和正则化方法等技术原理和编程。在你了解线性代数和微积分的核心概念之前，不能真正掌握深度学习，因此通过对矩阵，向量和导数的介绍来补充你的技能。

• 深度学习和Keras简介：在对机器学习有了一定的了解之后，就可以开始神经网络的学习。此外，您应该开始探索深度学习中的不同框架并找到一个适合自己的框架（我们在此学习路径中的建议是Keras）。我们在公众号内提供了很多关于keras的实践项目，帮助您对这些概念的了解。

• 模型参数了解：您已经构建了模型并对其进行了测试。模型通常不会在第一次迭代中提供最佳结果，因此了解如何微调和改进它们是任何深度学习专家应该知道的关键技能。处理/预处理图像数据，理解超参数调整和迁移学习等都是改进深度学习模型的一部分。

• 了解CNN：卷积神经网络（CNN）已成为现实世界中最常见的深度学习用例之一。知道CNN是什么以及如何调整内部超参数以从中提取最大结果被认为是强制性

• 调试您的深度学习模型：询问任何程序员，他们会告诉您调试是他们工作中最不愉快的部分。但是如何能够可视化您的深度学习模型以了解它出错的地方？是的，现在可以直观地分析错误 - 这也是我们在学习深度学习中最重要的部分。

• 序列模型：这是我们深入学习深度学习的地方。序列模型包括诸如递归神经网络（RNN），长短期记忆（LSTM）和门控递归单位（GRU）之类的技术。可以通过在实际项目中应用这些概念以加深理解。

• 自然语言处理：深度学习已经将NLP的范围发生了显着的变化。凭借其学习的灵活性，NLP已成为一个完全不同的领域。如果这是您感兴趣的领域，我们建议您通过学习如何在文本数据上使用深度学习的各种方法来掌控基本的处理过程。

• 无监督深度学习：数据科学家使用各种算法来提取可操作的见解。但是大多数这些问题都是受监督的学习性质。无监督学习是一个具有挑战性的领域，在深度学习方面更是如此。但它的优点很多，而且可能是突破性的。

• GAN：我最喜欢的深度学习概念之一 —Generative Adversarial Networks（GAN）。生成对抗网络可用于所有创造性人工智能开发，包括创作论文，写诗，创作艺术品等。

更多机器学习算法的学习欢迎关注公众号《python语音识别》，公众号内后台回复“1202”即可免费获得python机器学习、深度学习和爬虫视频资源。