Tài liệu tham khảo mạng thần kinh (sách giáo khoa, khóa học trực tuyến) cho người mới bắt đầu

Tôi muốn tìm hiểu Mạng lưới thần kinh. Tôi là một nhà ngôn ngữ học tính toán. Tôi biết phương pháp học máy thống kê và có thể viết mã bằng Python.

Tôi đang tìm cách bắt đầu với các khái niệm của nó và biết một hoặc hai mô hình phổ biến có thể hữu ích từ góc độ Ngôn ngữ học tính toán.

Tôi duyệt web để tham khảo và tìm thấy một vài cuốn sách và tài liệu.

• Ripley, Brian D. (1996) Nhận dạng mẫu và Mạng lưới thần kinh, Cambridge

• Giám mục, CM (1995) Mạng lưới thần kinh để nhận dạng mẫu, Oxford: Nhà xuất bản Đại học Oxford.

• một số liên kết, như luận án này , các ghi chú khóa học (Khoa Tâm lý của Đại học Toronto), các ghi chú khóa học này (Khoa học Máy tính của Đại học Wisconsin) và trình chiếu này (Nghiên cứu của Facebook).

Các khóa học Coursera nói chung là tốt đẹp, nếu bất cứ ai biết bất cứ điều gì có liên quan từ họ. Tôi thích các tài liệu với ngôn ngữ sáng suốt và các ví dụ phong phú.

Bạn may mắn! Có một số lượng đáng kinh ngạc các nguồn tài nguyên có sẵn tại thời điểm này. Cụ thể, bạn có thể nhìn vào:

• một khóa học Coursera bắt đầu sớm
• một cuốn sách giáo khoa trực tuyến được xuất bản gần đây bởi một số nhà lãnh đạo trong lĩnh vực này (Goodfellow, Bengio và Courville)
• những ghi chú bài giảng và tổng quan này , được định hướng nhiều hơn về xử lý ngôn ngữ tự nhiên
• một tập hợp các bài đăng trên blog với hình ảnh đẹp của Chris Olah
• hai bộ công cụ được hỗ trợ tốt với giao diện python và hướng dẫn trực tuyến: Tensorflow và Theano

Tài liệu tham khảo chính:

Các khóa học về học tập sâu:

• Khóa học của Andrew Ng về học máy có phần giới thiệu hay về mạng lưới thần kinh.
• Khóa học của Geoffrey Hinton: Mạng lưới thần kinh Coursera cho học máy (mùa thu 2012)
• Cuốn sách miễn phí của Michael Nielsen Mạng lưới thần kinh và học tập sâu
• Yoshua Bengio, Ian Goodfellow và Aaron Courville đã viết một cuốn sách về học tập sâu (2016)
• Khóa học của Hugo Larochelle (video + slide) tại Đại học Sherbrooke
• Hướng dẫn của Stanford (Andrew Ng và cộng sự) về Học tập tính năng không được giám sát và Học sâu
• Khóa học ML 2014-2015 của Oxford
• Khóa học NVIDIA Deep (hè 2015)
• Khóa học Deep Learning của Google về Udacity (tháng 1 năm 2016)

Định hướng NLP:

• Stanford CS224d: Học sâu để xử lý ngôn ngữ tự nhiên (mùa xuân 2015) của Richard Socher
• Hướng dẫn được đưa ra tại NAACL HLT 2013: Học sâu để xử lý ngôn ngữ tự nhiên (không có phép thuật) (video + slide)

Định hướng tầm nhìn:

• Mạng lưới thần kinh chuyển đổi CS231n để nhận dạng trực quan của Andrej Karpathy (phiên bản trước, ngắn hơn và ít được đánh bóng hơn: Hướng dẫn của hacker về Mạng lưới thần kinh ).

Hướng dẫn dành riêng cho bộ công cụ:

• DL4J (Java): http://deeplearning4j.org/documentation.html
• Theano (Python, Y. Bengio): http://deeplearning.net/
• Học máy với Torch7 (Lua, LeCun): http://code.madbits.com/wiki/doku.php
• Học sâu H2O (Java): http://0xdata.com/product/deep-learning/
• Caffee (C ++, UCB): http : // caffe.ber siêuvision.org /
• Khóa học chuyên sâu của Nervana

http://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html

http://neuralnetworksanddeeplearning.com/

Đây là tài nguyên yêu thích của tôi. Bắt đầu với khóa học máy Stanford, nhưng thích đọc hơn các bài giảng. Đặc biệt bởi vì các bài đọc được dựa trên ví dụ.

https://coorsy.com/topics/art bát-neural-network / for-beginners

Bạn có thể khám phá các khóa học trực tuyến từ nhiều nhà cung cấp khóa học ở đây. Ngoài ra tôi đề nghị bạn xem xét các chủ đề liên quan ở đó.

Mạng lưới thần kinh và Deep Learning là điểm khởi đầu dễ tiếp cận .

Mạng nơ-ron và Deep Learning là một cuốn sách trực tuyến miễn phí. Cuốn sách sẽ dạy bạn về:

Mạng lưới thần kinh, mô hình lập trình lấy cảm hứng từ sinh học tuyệt đẹp cho phép máy tính học từ dữ liệu quan sát Học sâu, một bộ kỹ thuật mạnh mẽ để học trong mạng thần kinh Mạng thần kinh và học sâu hiện đang cung cấp giải pháp tốt nhất cho nhiều vấn đề về nhận dạng hình ảnh, lời nói công nhận, và xử lý ngôn ngữ tự nhiên. Cuốn sách này sẽ dạy cho bạn nhiều khái niệm cốt lõi đằng sau mạng lưới thần kinh và học tập sâu.

Để học nhanh tôi sẽ chọn:

Bài giảng Deep Learning này từ nhà nghiên cứu giáo viên tuyệt vời Nando de Freitas: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Để hiểu lý thuyết lập trình thực tế trong Python, tài liệu này từ Andrej Karpathy: http://cs231n.github.io/

Và đối với NLP: https://arxiv.org/abs/1510.00726

http://yerevann.com/a-guide-to-deep-learning/

Điều này cung cấp một hướng dẫn tốt vào hành trình học tập sâu của bạn.