深度学习资料推荐
深度学习资料推荐
1. 视频课程
Yaser Abu-Mostafa
加州理工的Yaser Abu-Mostafa教授出品的机器学习网络课程，非常系统地讲解了机器学习背后的原理，以及主要的技术。讲解非常深入浅出，让你不光理解机器学习有哪些技术，还能理解它们背后的思想，为什么要提出这项技术，机器学习的一些通用性问题的解决方法（比如用正则化方法解决过拟合）。强烈推荐。
- 课程名称：Machine Learning Course - CS 156
- 视频地址：https://www.youtube.com/watch?v=mbyG85GZ0PI&list=PLD63A284B7615313A
Geoffrey Hinton
深度学习最重要的研究者。也是他和另外几个人（Yann LeCun，Yoshua Bengio等）在神经网络被人工智能业界打入冷宫，进入低谷期的时候仍然不放弃研究，最终取得突破，才有了现在的深度学习热潮。他在Coursera上有一门深度学习的课程，其权威性自不待言，但是课程制作的质量以及易于理解的程度，实际上比不上前面Yaser Mostafa的。当然，因为其实力，课程的干货还是非常多的。
- 课程名称：Neural Networks for Machine Learning
- 课程地址：https://www.coursera.org/learn/neural-networks
UdaCity
Google工程师出品的一个偏重实践的深度学习课程。讲解非常简明扼要，并且注重和实践相结合。推荐。
- 课程名称：深度学习
- 课程地址：https://cn.udacity.com/course/deep-learning--ud730
小象学院
国内小象学院出品的一个深度学习课程，理论与实践并重。由纽约城市大学的博士李伟主讲，优点是包含了很多业内最新的主流技术的讲解。值得一看。
- 课程名称：深度学习（第四期）
- 课程地址： http://www.chinahadoop.cn/classroom/45/courses
2. 书
《Deep Learning the Book》
这本书是前面提到的大牛Yoshua Begio的博士生Goodfellow写的。Goodfellow是生成式对抗网络的提出者，生成式对抗网络被Yann LeCun认为是近年最激动人心的深度学习技术想法。这本书比较系统，专业，偏重理论，兼顾实践。是系统学习深度学习不可多得的好教材。
- 英文版见 http://deeplearningthebook.com
- 目前Github上已经有人翻译出了中文版https://github.com/exacity/deeplearningbook-chinese。
3.推荐路径
不同的人有不同的需求，有些人希望掌握好理论基础，然后进行实践，有些人希望能够快速上手，马上做点东西，有些人希望理论与实践兼顾。下面推荐几条学习路径，照顾到不同的需求。大家可以根据自己的特点进行选择。
Hard way
Yaser -> Geoffrey Hinton -> UdaCity -> 小象学院 -> Good Fellow
特点：理论扎实，步步为营。最完整的学习路径，也是最“难”的。
推荐指数 4星
Good way
Yaser -> UdaCity -> 小象学院 -> Good Fellow
特点：理论扎实，紧跟潮流，兼顾实战，最后系统梳理。比较平衡的学习路径。
推荐指数 5星
“Fast” way
UdaCity -> Good Fellow
特点：快速上手，然后完善理论。
推荐指数 4星
“码农” way
UdaCity
特点：快速上手，注重实践。
推荐指数 3星
以上路径按照从完整到精简的顺序排列。如果要我只推荐一条路径的话，那么就是2 Good way（Yaser -> UdaCity -> 小象学院 -> Good Fellow），完整同时又兼顾效率，理论与实践并进的学习路径。强烈推荐。