http://www.almosthuman.cn/2015/12/16/rhnvh/
本文作者Ankit Agarwal是面向開(kāi)發(fā)者的神經(jīng)網(wǎng)絡(luò)平臺(tái)提供商Silversparro Technologies的CTO和創(chuàng)始人。
1，第一步，了解什么是機(jī)器學(xué)習(xí)，最佳入門(mén)資源就是 Andrew Ngs (Ex-Google, Stanford, Baidu), an online course at coursera. 講座讓你足夠了解機(jī)器學(xué)習(xí)的基礎(chǔ)，不過(guò)課后作業(yè)會(huì)提升你對(duì)機(jī)器學(xué)習(xí)的了解。
2，接下來(lái)需要培養(yǎng)對(duì)神經(jīng)網(wǎng)絡(luò)的直覺(jué)。所以，繼續(xù)編寫(xiě)你的第一個(gè)神經(jīng)網(wǎng)絡(luò)，和它玩耍吧
3，了解神經(jīng)網(wǎng)絡(luò)很重要，但是簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)沒(méi)有足夠能力解決大多數(shù)有趣問(wèn)題。變量-卷積神經(jīng)網(wǎng)絡(luò)很善于解決視覺(jué)問(wèn)題。斯坦福課程筆記以及幻燈片：CS231n Convolutional Neural Networks for Visual Recognition(notes), 和CS231n: Convolutional Neural Networks for Visual Recognition (講座幻燈片)。 here和 here是兩個(gè)很棒的有關(guān)CNNs的視頻。
4，接下來(lái)就是自己電腦上運(yùn)行你的第一個(gè)CNN
- 安裝 Boinc（這個(gè)對(duì)你的學(xué)習(xí)沒(méi)幫助，但是能讓其他研究人員在在它閑置的時(shí)候使用你的GPU從科學(xué)工作）
5，Digit提供上會(huì)給少數(shù)幾個(gè)算法，比如 用來(lái)性格識(shí)別的Lenet ，圖像分類(lèi)的 Googlenet。你要下載 相關(guān)數(shù)據(jù)庫(kù)（ dataset for Lenet 和 dataset for Googlenet ）來(lái)運(yùn)行這些算法。可以修改算法并嘗試其他有趣的視覺(jué)圖像識(shí)別任務(wù)，就像我們嘗試過(guò)的（ here）。
6，就各種NLP任務(wù)而言，RNNs是最佳選擇。學(xué)習(xí)RNNs最好的地方是斯坦福的演講視頻（Stanford lecture videos here）。你可以下載 Tensorflow，用它來(lái)建造RNNs.
7，現(xiàn)在，繼續(xù)選擇一個(gè)深度學(xué)習(xí)問(wèn)題吧，無(wú)論是面部識(shí)別還是語(yǔ)音識(shí)別、無(wú)人駕駛汽車(chē)等等，試著解決它。
如果你完成了所有步驟，恭喜！去申請(qǐng)谷歌、百度、微軟、臉書(shū)或者亞馬遜的職位吧。沒(méi)多少人能做這些。
來(lái)自linkedin，機(jī)器之心編譯出品。編譯：微胖。