【深度学习】 学习收藏的资料汇总（不定期更新中…）

Deep Learning（深度学习）

{基础学习阶段}

深度学习简介：11min
链接：https://www.youtube.com/watch?v=l42lr8AlrHk
这个视频对深度学习进行了数学解释。它将带你了解机器是如何找到不同变量的分组并做出具体决策的。如果你是一个数学爱好者，你将会学到如何调整模型参数。视频简单地解释了神经网络对不同输入内容的反应。

1、Youtobe上深度学习简化理解的27个小视频：
总时长：3、4小时左右
https://www.youtube.com/watch?list=PLjJh1vlSEYgvGod9wWiydumYl8hOXixNu&v=b99UVkWzYTQ

2、2016 斯坦福湾区深度学习学校 Day 1：
时长：10 小时 33 分
链接：https://www.youtube.com/watch?v=eyovmAtoUx0

2016 斯坦福湾区深度学习学校 Day 2
时长：10 小时 33 分
链接：https://www.youtube.com/watch?v=9dXiAecyJrY

3、Yoshua Bengio 和 Yann LeCun 深度学习教程，涉及面较广
时长：2 小时 29 分
链接：https://www.youtube.com/watch?v=CLSy5WlaWKc
在本视频教程里，你将会学到深度学习是如何实现多层计算模型对数据表征的学习。这些方法大幅提升了语音识别、视觉对象识别、目标检测以及基因学等领域的相关研究。这个教程将会覆盖到深度学习基础，并讨论深度学习的不同应用和目前遇到的挑战。

4、机器学习神经网络：
https://www.youtube.com/watch?v=cbeTc-Urqak&list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9
研究人工神经网络的主要思想是理解神经元的并行计算方式及其自适应连接。本课程将由多伦多大学教授 Geoffrey Hinton 讲授，你将学习到神经网络和机器学习将如何带来技术革命。本课程包括感知器、反向传播、卷积神经网络、循环神经网络、梯度下降和超参数贝叶斯优化等主题。这是深度学习最好的课程之一，如果你是深度学习爱好者，那就一定不能错过它。

5、神经网络
时长：系列，共 6 个视频
https://www.youtube.com/watch?list=PL2-dafEMk2A5BoX3KyKu6ti5_Pytp91sk&v=h3l4qz76JhQ

人工神经网络能够学习，而且它们需要训练。基本上需要 3 步来构建机器学习模型，即构建、训练、测试。一旦模型构建起来，它就可以在模式识别上训练得越来越好。在这些短短 5 分钟视频里，你将学习建立神经网络、自动编码器和循环神经网络，每段视频的代码也可在 YouTube 上的描述中找到。

6、Adrew NG coursera 机器学习入门教程
https://www.coursera.org/learn/machine-learning

7、UFLDL教程（中文版）
http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B
英文版：http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

8、斯坦福cs229：http://cs229.stanford.edu/

9、Deep learning at Oxford 2015
https://www.youtube.com/playlist?spm=5176.100239.blogcont60248.10.EOmpOh&list=PLE6Wd9FR–EfW8dtjAuPoTuPcqmOV53Fu&app=desktop

10、Neural Networks and Deep Learning Book 侧重理论
https://work.caltech.edu/telecourse.html?spm=5176.100239.blogcont60248.15.9TVAVi

11、Neural Networks and Deep Learning
http://neuralnetworksanddeeplearning.com/?spm=5176.100239.blogcont60248.16.9TVAVi
由Michael Nielsen撰写：在线书籍并有几个交互式的 JavaScript元素可以玩。

工具学习教程：
1、Python开胃菜

2、廖雪峰Python教程：适合入门

3、Git教程（可以测试别人github上开源的项目和代码）
(1)Git圣经
(2)廖雪峰Git简单入门

4、caffe教程：Caffe官网

5、Tensorflow：
TensorFlow 广度&深度学习——机器学习
时长：3 分 24 秒
广度和深度学习（wide and deep learning）结合了用于训练广度线性模型和深度神经网络的记忆（memorization）和归纳（generalization）。在这个视频中，你可以了解到在 TensorFlow 当中对这种简单易用的 API 的应用。它们在大规模的回归分析和分类中所涉及到的稀疏输入问题当中非常实用，例如推荐系统、搜索和排名问题。通过这个 视频来探索广度和深度学习的可能性吧。

6、TensorFlow 入门
现如今最流行的机器学习框架之一就是 TensorFlow，虽然它主要用于进行机器学习和深度神经网络研究，但由于其多功能性，TensorFlow 也可用于各种应用。在这个有趣的 TensorFlow 教程中，您将学习在 Python 中用不到 40 行代码进行构建手写数字图像的分类器。您还将学习如何在 TensorFlow 中生成音乐，什么是 Tensorboard，怎样构建一个神经网络还有使用 TensorFlow 相比其他深度学习库的利弊。这个关于 TensorFlow 的简短教程是深度学习新手必须要了解的。

用神经网络的深度学习及 TensorFlow 介绍
如果你一直在想知道神经网络是如何工作的，为什么最近它有这么多的关注。本教程将介绍神经网络，你将了解神经网络如何能够创建具有巨大数据集的强大模型。并理解神经网络的结构以及每个输入层如何组合在一起以生成输出。这只是完整教程中的第一个视频，第二部分是 TensorFlow 基础。如果需要了解怎样建立神经网络模型，请继续学习第三部分。

深度学习领域（挑选一个进行深入研究）
1.计算机视觉
深度学习已经改变了这一领域。斯坦福CS231课程
是我最经历的最好课程，它教会你基础知识和卷积，同时也帮助你在AWS上建立GPU实例，同时，也可以看由Mofstafa S,Ibrahimz制作的课程：Getting Started in Computer Vision

2.自然语言处理（NLP）
用于机器翻译，提问和回答，以及情感分析。为了掌握这一领域，深度理解自然语言的算法和基础计算属性是必须的。
CS224N/Ling284课程是一个很好的起步课程：
由David Socher教授的另外一门极好的课程CS224d:Deep Learning for Natural Language Processing，回顾了所有关于自然语言的最新深度学习的研究：
更细节的可以看：How do I learn Natural Language Processing?

3.记忆网络（RNN-LSTM）
最近的工作是将在LSTM复发神经的注意机制与外部可写内存相结合，这意味着在建筑系统中有一些有趣的工作，可以被理解、存储并在以问答的方式检索。这个研究领域是由Dr.Yann Lecun的facebook实验室起步的，原始文字是在arxiv上：
Memory Network
里有许多研究变体、数据集、标准等，比如，Metamind的Dynamic Memory Networks for Natural Language Processing

4.深度强化学习
由AlphaGo出名，围棋系统在历史上击败了最强围棋选手，David Sliver的（谷歌深度思维）视频课程和教授Rich Stutton的书籍是很好的起步。对于关于LSTM的一般介绍可以看Christopher的文章Understanding LSTM Networks
和Andrej karpathy的The Unreasonable Effectiveness of Recurrent Neural Networks