1. ディープラーニングの概要
現在、ディープラーニングは世界各地で活発に行われています。ディープラーニングは、ほぼすべての人が所有するスマートフォン、自動運転車、Web サービスを強化するサーバーで機能しています。今この瞬間も、ディープラーニングは多くの人が気づかないところでひっそりとその機能を果たしています。今後、ディープラーニングはさらに活発化していくでしょう。参考までに、私のディープラーニング入門の軌跡と読書の参考文献を紹介します。
2. ディープラーニングの基礎理論に関する書籍（必読）：
- 『ディープラーニング入門 Pythonによる理論と実装』：ディープラーニング
に関する基礎知識を網羅した、入門必携の一冊。自分で本にコードを入力する必要はありません。すぐに読んでマスターすることをお勧めします。 - 「ディープラーニングの数学」: この本についてはあまり読んだことがありません。上記を読んでからこの本を見てください。この本は主にディープラーニングにおける数学的知識を具体的に説明しています。
- 注: 上記 2 冊は 1 週間以内に読むことをお勧めします。ある程度の基礎ができていれば数日で読み終えることができます。主に雨漏りの確認と空いた箇所の補充を行います。
3. 注意事項（記入漏れの確認と穴埋め）
- 「deeplearning_ai」: すべてを読む必要はありません。どのような種類のネットワーク モデルを検討したいのか、最初に対応するネットワークの説明を参照してください。この本のページ数はともかく、読んで得た知識はそれほど多くありません。
- 「機械学習の基本チュートリアル」: この本は棚から取り出されたようです。細かい間違いがあるかもしれません。当時、この本を読んだのは主に GAN を学ぶ上で数学的なレベルに進みたいという理由で読んだのですが、実際には役に立たないと思ったので、時間がない場合は読まなくても大丈夫でした。将来、その論文を読んで、事後確率が何かなど、機械学習に関する事柄が含まれている場合は、振り返ることができます。
4.フレームワーク学習クラス
- Eat_pytorch_in_20_days：https://github.com/lyhue1991/eat_pytorch_in_20_days
- Eat_tensorflow2_in_30_days：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
- 説明: 上記 2 つは学習フレームワークの乾物であり、現在では古いものではありませんが、フレームワークで使用されるプロセスが多数あり、クエリによって学習することもお勧めします。
5. 経験
- 「Yousan AI-Deep Learning オープンソースフレームワーク実践ガイド V1.0_2020.6.20」
- 『3つのAI ～ディープラーニングビジュアルアルゴリズムエンジニア成長ガイドブック～2020.5.29』
6、ついに
しっかりとした基礎ができたら、オープンソース コードをダウンロードして実際にデバッグを開始できます。構築するモデルを減らして、より多くの変更を加えます。！！一歩ずつ。自分の研究分野に注意を払ってください。研究が遅れていないことを確認するために、数週間ごとに Google Scholar にアクセスして最新情報を確認することをお勧めします。上位 4 つのカンファレンスの口頭論文に注目し、関連する論文を読んで、効率的なモジュールからさらに学ぶことができます。