ターンデータのコンパイルを学習の深さまで機械から学びます
マシンデータのコンパイルから学ぶための学習の深さ
過去6ヶ月の間に、ブロガーは自己学習人工知能関連の知識に従事してきました。MOOC、ブログや他のブロガーも学習「のエントリから上級まで」から大量のリソースを見つけるために多くの時間を費やし：燃えるような人工知能の最後の2年間のように、我々には、インターネットから多くの情報を見つけることができます道路。ここでは、ブロガー自身の学習経験に応じて、情報の要約は、フィルムボーエンで使用されます。ブロガー現在の研究は、主画像を目指しているので、材料の選択のプロセスは、画像領域の知識に焦点を当てるが、推奨プロファイル以下ブロガーは、テキスト、音声処理、リーダ缶上のコンテンツを覆うため彼らのニーズへの選択読書。
まず、入門情報
（1）アンドリュー・ウ「機械学習」（網易雲教室）
選択したポータル学習、総合的なコースは、機械学習の基礎をカバーし、めったに非常に理論的または実証さを伴わない、初心者がすぐに学習アルゴリズムの古典的なマシンを学習し、総合的なマシンへのアクセスは、関連技術を学習することで、このプログラムを習得することができます理解。教示は、MATLAB（オクターブ）、及び、対応するトレーニングコース（上記ネットワークに見出すことができる）である場合ウーを用います。この演習を完了するには、ティーチコース関連するアルゴリズムへの完全な初心者の練習をサポートすることにより、さらにステップによってプログラミングの練習ステップを案内することにより、機械学習の基礎の学習者の理解を深めことができます。ブロガーは、コースが優先コースとして初心者のための理想的であると感じています。
（2）スタンフォード大学 CS231畳み込みニューラルネットワーク視覚認識のための コース
李菲菲はの深い学習（主に画像面）にスタンフォード大学のコースでの研究グループによって設定しました。当然の最終目的は、畳み込みニューラルネットワークを導入することであるが、ほとんどは、次のような、コースの詳細内容と機械学習の基礎のいくつかの解釈の前に導入されますが：クロスエントロピー損失、確率的勾配降下、バックプロパゲーションと様々な等の応答関数は、これらの内容は、あなたが読んで理解する必要があり、偉大な補足の教育コンテンツアンドリュー・ウの先生です。その中でも、特にブロガーは、よく見勾配降下を考えるアルゴリズムの動作のプロセスはブロガーのことが非常に重要であることを理解ブログはわずかリーダーを助けることができるかもしれません。当然のビデオコンテンツは、上記のB駅で見ているように見えるが、また、（Pythonプログラミング言語で）対応のプログラミング演習を支援するプログラム。
（2）アンドリュー・ウ「畳み込みニューラルネットワーク」（網易雲教室）
読者は、画像相関アルゴリズムの研究のために必要な、そして確かに畳み込みニューラルネットワークバイパスすることはできません。アンドリュー・ウの先生が教室でプロ網易マイクロクラウドに畳み込みニューラルネットワークのための特別なカリキュラムを提供します。カリキュラムや指導スタイル「機械学習」はもちろん、読者の畳み込みニューラルネットワーク学習の多くの背景知識を持っていない非常に適した、非常によく似ています。また、第2のコースの後半では、特定のコンテンツの畳み込みニューラルネットワークは、一緒にこのコースの内容で使用することができてきました。
第二に、情報の実践
上記の学習の後、私は予備的なマスターは学習の深さの読者の基礎があり、その後、あなたが得た知識を内部化するために、いくつかの独立したプログラミング手法を介しことができ、彼らは自分の近くになりますと信じてライフスキル。次に、2冊の書籍や部品ピンTensorflow Kerasアプリケーションの導入にブロガー。
（1）学習Tensorflow：（トム・ホープ、Yehezkel S.Resheff＆イタイ歌曲による）ビルディープ学習システムへのAガイド
Tensorflowは最も広く深い学習の枠組みを使用し、深い学習アルゴリズムの多くは、フレームに適用されているので、1は、関連するスタッフ必見のマスターの枠組みに従事しています。ブロガーは、この本は、GoogleのR＆D担当者が編集したのようです、本の内容は、インストールTensorflowフレームワーク、フレームワークの基本的なコンポーネントとどのようにタスクを学ぶ異なる深さで適用するを紹介するお勧めします。読者のための非常に詳細なコードでブックの各部分の内容は、学習者の実際の運用に非常に助長しているが、本はまた、いくつかのモデルの基本的な知識は、コンテンツができるだけでなく、ヘルプ学習者レビューしました実用的な操作と組み合わせる基本的な考え方。
（フランソワCholletによって）パイソン（2）ディープラーニング
本書で提示このフレームワークはTensorflowに比べ、深い学習Tensorflowシニアライブラリ（今Tensorflow公式ハイレベルのインタフェース）上に構築されてKeras、である、モデリングフレームワークのアプリケーションは、よりシンプルで直感的な、そしてこれは、使用する開発者のための機能が豊富に用意されています。この本の初版の著者が推奨するブロガーは、深い学習アプリケーションに機械学習からKeras図書館、ブックカバーの内容はすべてのコンテンツを書かれ、この本ではコード例の多くを提供していますブロガーは、両方の材料の開発状況と基礎の深さを学習する機械学習の包括的なレビューを思わ、リファレンスガイドには、アプリケーションKerasライブラリです。
第三に、理論高度
推薦コンテンツと比較すると、「なぜ知っている知っているではない、」推奨されるデータのこの部分の特性は、機械学習と深い学習がより理論的な側面に焦点を当てる、ブロガーは、主に2つの素材をお勧めします：「統計的学習法」とオンラインブック「ディープ・ラーニング」
（1）「統計的学習法」リーハング
この本の李ハングの先生は、機械学習理論の分析に焦点を当て、機械学習、一般的なアルゴリズム、数学的な定義、分析、および控除の基本的な要素は、これらの要素の研究を通じて、私がリーダーを聞かせて考えますこれらのアルゴリズムは、より深い理解を持っています。ビューの彼らの現在の読書体験点からブロガーが、気持ちは非常に困難であると説明する本の中で、教師の内容を理解できるようにするには、より強固な数学的なスキルを必要とします。
（2）「ディープラーニング」（イアン・グッドフェローとヨシュア・ベンジオとアロンCourvilleによって）
この本は、アカウントにコンテンツのカバーに非常に豊富な学習コンテンツを学習の幅と深さの深さを取って、ラインです。読者は、この部分のガイドラインに従って充填漏れる可能性、線形代数、確率論と情報理論：一般の最初の部分には、学習に必要な基礎を説明しました。第二部は、深さが非常にあって、技術の学習を成熟される説明：ニューラルネットワーク、畳み込みニューラルネットワーク、信号処理シーケンス。第三部は、現在の深さの調査は、学習などの特性を含む活発な研究の分野ではまだですについて説明します。書籍の多くは内容が非常に詳細な理論的、数学的な導出を持って、ブロガーは本に非常に難しいナットであると感じています。
：最後に、我々はリンクに二つのサイトブロガーを提供するリンク1とリンク2は、あなたがそれらで無料学習教材の富を見つけることができます。最後に、私はあなたにすべての幸せな学習を希望し、フィールドダニエルになってきて！
マシンデータのコンパイルから学ぶための学習の深さ
過去6ヶ月の間に、ブロガーは自己学習人工知能関連の知識に従事してきました。MOOC、ブログや他のブロガーも学習「のエントリから上級まで」から大量のリソースを見つけるために多くの時間を費やし：燃えるような人工知能の最後の2年間のように、我々には、インターネットから多くの情報を見つけることができます道路。ここでは、ブロガー自身の学習経験に応じて、情報の要約は、フィルムボーエンで使用されます。ブロガー現在の研究は、主画像を目指しているので、材料の選択のプロセスは、画像領域の知識に焦点を当てるが、推奨プロファイル以下ブロガーは、テキスト、音声処理、リーダ缶上のコンテンツを覆うため彼らのニーズへの選択読書。
まず、入門情報
（1）アンドリュー・ウ「機械学習」（網易雲教室）
選択したポータル学習、総合的なコースは、機械学習の基礎をカバーし、めったに非常に理論的または実証さを伴わない、初心者がすぐに学習アルゴリズムの古典的なマシンを学習し、総合的なマシンへのアクセスは、関連技術を学習することで、このプログラムを習得することができます理解。教示は、MATLAB（オクターブ）、及び、対応するトレーニングコース（上記ネットワークに見出すことができる）である場合ウーを用います。この演習を完了するには、ティーチコース関連するアルゴリズムへの完全な初心者の練習をサポートすることにより、さらにステップによってプログラミングの練習ステップを案内することにより、機械学習の基礎の学習者の理解を深めことができます。ブロガーは、コースが優先コースとして初心者のための理想的であると感じています。
（2）スタンフォード大学 CS231畳み込みニューラルネットワーク視覚認識のための コース
李菲菲はの深い学習（主に画像面）にスタンフォード大学のコースでの研究グループによって設定しました。当然の最終目的は、畳み込みニューラルネットワークを導入することであるが、ほとんどは、次のような、コースの詳細内容と機械学習の基礎のいくつかの解釈の前に導入されますが：クロスエントロピー損失、確率的勾配降下、バックプロパゲーションと様々な等の応答関数は、これらの内容は、あなたが読んで理解する必要があり、偉大な補足の教育コンテンツアンドリュー・ウの先生です。その中でも、特にブロガーは、よく見勾配降下を考えるアルゴリズムの動作のプロセスはブロガーのことが非常に重要であることを理解ブログはわずかリーダーを助けることができるかもしれません。当然のビデオコンテンツは、上記のB駅で見ているように見えるが、また、（Pythonプログラミング言語で）対応のプログラミング演習を支援するプログラム。
（2）アンドリュー・ウ「畳み込みニューラルネットワーク」（網易雲教室）
読者は、画像相関アルゴリズムの研究のために必要な、そして確かに畳み込みニューラルネットワークバイパスすることはできません。アンドリュー・ウの先生が教室でプロ網易マイクロクラウドに畳み込みニューラルネットワークのための特別なカリキュラムを提供します。カリキュラムや指導スタイル「機械学習」はもちろん、読者の畳み込みニューラルネットワーク学習の多くの背景知識を持っていない非常に適した、非常によく似ています。また、第2のコースの後半では、特定のコンテンツの畳み込みニューラルネットワークは、一緒にこのコースの内容で使用することができてきました。
第二に、情報の実践
上記の学習の後、私は予備的なマスターは学習の深さの読者の基礎があり、その後、あなたが得た知識を内部化するために、いくつかの独立したプログラミング手法を介しことができ、彼らは自分の近くになりますと信じてライフスキル。次に、2冊の書籍や部品ピンTensorflow Kerasアプリケーションの導入にブロガー。
（1）学習Tensorflow：（トム・ホープ、Yehezkel S.Resheff＆イタイ歌曲による）ビルディープ学習システムへのAガイド
Tensorflowは最も広く深い学習の枠組みを使用し、深い学習アルゴリズムの多くは、フレームに適用されているので、1は、関連するスタッフ必見のマスターの枠組みに従事しています。ブロガーは、この本は、GoogleのR＆D担当者が編集したのようです、本の内容は、インストールTensorflowフレームワーク、フレームワークの基本的なコンポーネントとどのようにタスクを学ぶ異なる深さで適用するを紹介するお勧めします。読者のための非常に詳細なコードでブックの各部分の内容は、学習者の実際の運用に非常に助長しているが、本はまた、いくつかのモデルの基本的な知識は、コンテンツができるだけでなく、ヘルプ学習者レビューしました実用的な操作と組み合わせる基本的な考え方。
（フランソワCholletによって）パイソン（2）ディープラーニング
本書で提示このフレームワークはTensorflowに比べ、深い学習Tensorflowシニアライブラリ（今Tensorflow公式ハイレベルのインタフェース）上に構築されてKeras、である、モデリングフレームワークのアプリケーションは、よりシンプルで直感的な、そしてこれは、使用する開発者のための機能が豊富に用意されています。この本の初版の著者が推奨するブロガーは、深い学習アプリケーションに機械学習からKeras図書館、ブックカバーの内容はすべてのコンテンツを書かれ、この本ではコード例の多くを提供していますブロガーは、両方の材料の開発状況と基礎の深さを学習する機械学習の包括的なレビューを思わ、リファレンスガイドには、アプリケーションKerasライブラリです。
第三に、理論高度
推薦コンテンツと比較すると、「なぜ知っている知っているではない、」推奨されるデータのこの部分の特性は、機械学習と深い学習がより理論的な側面に焦点を当てる、ブロガーは、主に2つの素材をお勧めします：「統計的学習法」とオンラインブック「ディープ・ラーニング」
（1）「統計的学習法」リーハング
この本の李ハングの先生は、機械学習理論の分析に焦点を当て、機械学習、一般的なアルゴリズム、数学的な定義、分析、および控除の基本的な要素は、これらの要素の研究を通じて、私がリーダーを聞かせて考えますこれらのアルゴリズムは、より深い理解を持っています。ビューの彼らの現在の読書体験点からブロガーが、気持ちは非常に困難であると説明する本の中で、教師の内容を理解できるようにするには、より強固な数学的なスキルを必要とします。
（2）「ディープラーニング」（イアン・グッドフェローとヨシュア・ベンジオとアロンCourvilleによって）
この本は、アカウントにコンテンツのカバーに非常に豊富な学習コンテンツを学習の幅と深さの深さを取って、ラインです。読者は、この部分のガイドラインに従って充填漏れる可能性、線形代数、確率論と情報理論：一般の最初の部分には、学習に必要な基礎を説明しました。第二部は、深さが非常にあって、技術の学習を成熟される説明：ニューラルネットワーク、畳み込みニューラルネットワーク、信号処理シーケンス。第三部は、現在の深さの調査は、学習などの特性を含む活発な研究の分野ではまだですについて説明します。書籍の多くは内容が非常に詳細な理論的、数学的な導出を持って、ブロガーは本に非常に難しいナットであると感じています。
：最後に、我々はリンクに二つのサイトブロガーを提供するリンク1とリンク2は、あなたがそれらで無料学習教材の富を見つけることができます。最後に、私はあなたにすべての幸せな学習を希望し、フィールドダニエルになってきて！