深度学习自学指南：6个月，从基础知识到模型构建

原作：Bargava
安妮 编译自 Medium
量子位 出品 | 公众号 QbitAI

给你6个月的时间开始学习深度学习，能够达到怎样的程度？

在这篇文章中，数据科学培训老师Bargava就带你半年入门深度学习。

在这份攻略中，我将给大家讲讲零基础入门深度学习可行性强的资料和学习方法。当然，虽说的零基础，但也有一个小门槛，你需要满足以下条件：

• 在接下来的6个月中，每天花费10-20小时学习

• 已经具备一些编程技巧，懂一些Python和云的基础知识

• 有一些数学基础（代数、几何等）

• 有一台计算机，并且能联网

量子位在这里补充一句，想入门的小伙伴也可以现在开始准备英语了，毕竟……这些课程都是英文的。

第一阶段

如果想学开车，应该坐上车通过模拟真实开车环境学习，而不是首先了解内燃机和离合器的工作原理。学习深度学习亦是如此，我们需要遵循这种自上而下的学习方法。

推荐fast.ai上的教程Practical Deep Learning for Coders—Part 1。这个课程需要学习4到6周的时间，并且包含一个云端运行代码的session。

不如就从这个课程开始入手吧。

当然，也有一些其他不错的服务平台可供你选择，包括Paperspace、亚马逊AWS、谷歌云平台（GCP）、Crestle和Floydhub等。

但切记，现在还没到开始构建模型的时候。

Practical Deep Learning for Coders地址：

http://www.fast.ai/

第二阶段

是时候了解一些基础知识了。在这个阶段，你需要学习微积分和线性代数。

MIT的Big Picture of Calculus课程可以帮你快速概览微积分基础知识。

对于线性代数，MIT知名教授Gilbert Strang的OpenCourseWare是个不二选择。

学习完上面两门课程后，推荐你阅读旧金山大学科学家、fast.ai联合创始人Jeremy Howard的Matrix Calculus For Deep Learning。

Big Picture of Calculus地址：

https://ocw.mit.edu/resources/res-18-005-highlights-of-calculus-spring-2010/highlights_of_calculus/big-picture-of-calculus/

OpenCourseWare地址：

https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/

Matrix Calculus For Deep Learning地址：

http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html

第三阶段

经过前面两个基础夯实阶段，现在我们有时间贯彻上面提到的自下而上学习法了。

这个阶段推荐大家修一下Coursera上的Deep Learning专项课程，里面包含5门吴恩达创立的deeplearning.ai的课程。

Coursera上“微专业”获取方式和大学修展业很相似，学习课程后也需要完成相关作业。但讲真你值得修一个专业。

理想情况下，根据你目前的学习基础，完成一门课程需要花费一周时间。

deeplearning.ai课程地址：

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

第四阶段

只学习不会玩，聪明的小孩也会变傻。

现在是时候了解深度学习库了，TensorFlow、PyTorch和MXNet等都需要去了解一下，并且可以为你喜欢的问题从头开始构建架构了。

到这里我们可以发现，前三个步骤是在理解深度学习是什么，从第四步开始，你需要学习从头开始实现一个项目，并学习利用各种工具构建模型。

第五阶段

现在，可以去刚刚提到的fast.ai课程的第二部分看看了，也就是Cutting Edge Deep Learning for Coders这一课。这里面包含的问题更高级，你将学习阅读最新的研究论文并且学习去理解它们。

上面的每个阶段都需要4至6周的时间去理解它们。当你按照上面的方法学习了26周后，你会打下坚实的深度学习基础。

Cutting Edge Deep Learning for Coders课程地址：

http://course.fast.ai/part2.html

下一站

之后，你可以学习斯坦福的CS231n: Convolutional Neural Networks for Visual Recognition和CS224d: Deep Learning for Natural Language Processing两门课程了，它们对视觉和NLP的讲解比较深度透彻。

如果有时间，还推荐你读读这本Deep Learning，对巩固理解很有帮助。

CS231n课程地址：

http://cs231n.stanford.edu/

CS224d课程地址

http://cs224d.stanford.edu/

Deep Learning电子书地址：

http://www.deeplearningbook.org/

钻研深度学习是一件乐事，用你的每一天去创造吧。

最后，附原文链接：

https://medium.com/@bargava/how-to-learn-deep-learning-in-6-months-e45e40ef7d48

— 完 —

加入社群

量子位AI社群13群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot5入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot5，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态