[New Ji-won EXAMEN Récemment, elle est diplômée de l'Université du Sichuan pour créer un projet sur GitHub: « Deep apprentissage 500 Questions », toutes sortes de sujets d'actualité sous forme de questions et réponses relatives à la profondeur de l'apprentissage pour trier la couverture complexe, y compris la connaissance des probabilités, l'algèbre linéaire, la machine l'apprentissage, l'apprentissage en profondeur et la vision par ordinateur. Le projet pour aider les lecteurs qui veulent comprendre la profondeur de l'apprentissage, du 7 Novembre, le projet a reçu plus de 9000 étoiles.
Ces dernières années, l'apprentissage en profondeur dans la voix, l'image, le traitement du langage naturel et d'autres domaines ont obtenu de très bons résultats, naturellement devenu le centre du personnel technique désireux d'apprendre.
Pour aider à la profondeur de l'apprentissage est partenaire d'apprentissage, un diplômé remarquable du Sichuan, sur GitHub pour créer un projet: « Deep Learning 500 a demandé » d'apprendre la connaissance commune des probabilités, l'algèbre linéaire, la machine sous forme de questions et réponses, l'apprentissage en profondeur, la vision par ordinateur et d'autres questions d'actualité présentés afin de s'aider et les lecteurs de besoin. Le livre est divisé en 15 chapitres, près de 20 millions de mots.
En date du 7 Novembre, le projet a reçu 9571 Une « étoile » et 2416 Une "fourchette" (GitHub adresse de projet: https: //github.com/scutan90/DeepLearning-500-questions)
Bien que le livre est pas encore terminée, mais mérite d'être lu, ci-dessous nous détaillons le contenu du livre Quoi:
La première base mathématique chapitre
Ce chapitre explique les rudiments des mathématiques, couvre non seulement les concepts de base liés à, comprend également des liens entre eux, comme le lien entre scalaire, vecteur, tenseur, la différence entre tenseur et de la matrice, ainsi que des distributions de probabilités communes:
En outre, il a expliqué les connaissances de base des différents types de statistiques et de la distribution de probabilité (espérance, la variance, covariance, nombre de corrélation)
Chapitre II Fondation d'apprentissage machine
Ce chapitre répertorie les les avantages et les inconvénients de l'algorithme commun et des algorithmes de classification communs pour évaluer l'utilisation des algorithmes de classification, et la profondeur de la relation entre les grandes données et autres formes d'apprentissage pour tout le monde, les connaissances couvertes au chapitre Bien que beaucoup, mais très complet.
Chapitre III Fondation de l'apprentissage en profondeur
Ce chapitre a commencé à entrer dans le sujet, afin de décrire le réseau de neurones, le début du livre avec la plus simple réseau de neurones, puis des couches de profondeur, listes structure du modèle de réseau de neurones commun, se concentrer sur la façon de choisir une plate-forme de développement de contenu d'apprentissage profond, tels que les réseaux de neurones utilisés la structure du modèle est la suivante:
Chapitre IV Réseau classique
Chapitre d'introduire un réseau classique, comprenant Lenet-5, AlexNet, ZFNet- déconvolution et la visualisation de modèle de structure du modèle GoogleNet interpréter similaires, comme la structure du modèle Lenet-5 est comme suit:
Lisez le contenu de ce qui précède, vous n'êtes pas déjà ne pouvez pas attendre de lire la profondeur de ce livre inachevé? Ou si vous travaillez dans le domaine, il peut aussi aider les auteurs à améliorer le livre.
Enfin, joindre l'adresse GitHub: https: //github.com/scutan90/DeepLearning-500-questions
Cet article est reproduit avec la permission de l'avant-garde du numéro public micro-canal open-source (ID: OpenSourceTop)
