我们现在有了很多非常厉害的深度学习框架,比如Tensorflow,CNTK,PaddlePaddle,Caffe2等等。然而,这些为了解决实际的应用问题而生的,而不是用来学习“深度学习”知识和思想的。所以微软Xiaowuhu根据自己亲身经历的学习轨迹,归纳出了以下教程,可以帮助小白做到真正的从入门到精通。通过以下循序渐进地学习与动手实践,一方面可以帮助读者深刻理解“深度学习”的基础知识,更好地理解并使用现有框架,另一方面可以助力读者快速学习最新出现的各种神经网络的扩展或者变型,跟上快速发展的AI浪潮。
通过以下循序渐进地学习与动手实践,一方面可以帮助读者深刻理解“深度学习”的基础知识,更好地理解并使用现有框架,另一方面可以助力读者快速学习最新出现的各种神经网络的扩展或者变型,跟上快速发展的AI浪潮。
没有各种基础想学习却无从下手哀声叹气的玩家,请按时跟踪最新博客,推导数学公式,跑通代码,并及时提出问题,以求最高疗效;
深度学习小白,有直观的人工智能的认识,强烈的学习欲望和需求,请在博客的基础上配合代码食用,效果更佳;
调参师,训练过模型,调过参数,想了解框架内各层运算过程,给玄学的调参之路添加一点心理保障;
超级高手,提出您宝贵的意见,给广大初学者指出一条明路!
地址:
https://microsoft.github.io/ai-edu/
目录:
Chapter 01 概论 PDF
Chapter 02 神经网络中的三个基本概念.pdf
Chapter 03 损失函数.pdf
Chapter 04 单入单出的单层神经网络 - 单变量线性回归.pdf
Chapter 05 多入单出的单层神经网络 - 多变量线性回归.pdf
Chapter 06 多入单出的单层神经网络 - 线性二分类.pdf
Chapter 07 多入多出的单层神经网络 - 线性多分类.pdf
Chapter 08 激活函数.pdf
Chapter 09 单入单出的双层神经网络 - 非线性回归
Chapter 10 多入单出的双层神经网络 - 非线性二分类
Chapter 11 多入多出的双层神经网络 - 非线性多分类
Chapter 12 多入多出的三层神经网络 - 深度非线性多分类
Chapter 13 模型的推理与部署
Chapter 14 搭建深度神经网络框架
Chapter 15 网络优化
Chapter 16 正则化
Chapter 17 卷积神经网络原理
Chapter 18 卷积神经网络应用
Chapter 19 普通循环神经网络
Chapter 20 高级循环神经网络
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“NN20” 可以获取《【微软】神经网络基本原理简明教程,20节课带你实战深度学习,附PPT》专知下载链接索引