Neuronale Netzreferenzen (Lehrbücher, Online-Kurse) für Anfänger

Ich möchte Neuronale Netze lernen. Ich bin ein Computerlinguist. Ich kenne statistische Methoden des maschinellen Lernens und kann in Python programmieren.

Ich möchte mit seinen Konzepten beginnen und ein oder zwei populäre Modelle kennen, die aus Sicht der Computerlinguistik nützlich sein können.

Ich habe im Internet nachgeschlagen und ein paar Bücher und Materialien gefunden.

• Ripley, Brian D. (1996), Pattern Recognition and Neural Networks, Cambridge

• Bishop, CM (1995) Neuronale Netze zur Mustererkennung, Oxford: Oxford University Press.

• Einige Links, wie diese These , diese Kursnotizen (Psychologisches Institut der Universität von Toronto), diese Kursnotizen (Informatik der Universität von Wisconsin) und diese Diashow (Facebook Research).

Coursera-Kurse sind in der Regel nett, wenn jemand etwas Relevantes von ihnen weiß. Ich bevorzuge Materialien mit klarer Sprache und vielen Beispielen.

Du hast Glück! Momentan ist eine erstaunliche Anzahl von Ressourcen verfügbar. Insbesondere könnten Sie sich ansehen:

• Ein Coursera-Kurs startet bald
• ein kürzlich veröffentlichtes Online-Lehrbuch von einigen führenden Persönlichkeiten (Goodfellow, Bengio und Courville)
• Diese Vorlesungsunterlagen und diese Übersicht sind mehr auf die Verarbeitung natürlicher Sprache ausgerichtet
• eine Reihe von Blog-Posts mit wunderschönen Visualisierungen von Chris Olah
• zwei gut unterstützte Toolkits mit Python-Schnittstellen und Online-Tutorials: Tensorflow und Theano

Hauptreferenzen:

Kurse zum Tiefenlernen:

• Andrew Ngs Kurs über maschinelles Lernen enthält eine Einführung in neuronale Netze.
• Geoffrey Hintons Kurs: Coursera Neuronale Netze für maschinelles Lernen (Herbst 2012)
• Michael Nielsens kostenloses Buch Neural Networks and Deep Learning
• Yoshua Bengio, Ian Goodfellow und Aaron Courville haben ein Buch über tiefes Lernen geschrieben (2016)
• Hugo Larochelles Kurs (Videos + Folien) an der Université de Sherbrooke
• Stanfords Tutorial (Andrew Ng et al.) Über unbeaufsichtigtes Feature-Learning und Deep Learning
• Oxford ML 2014-2015 Kurs
• NVIDIA Deep Learning Kurs (Sommer 2015)
• Googles Deep Learning-Kurs zu Udacity (Januar 2016)

NLP-orientiert:

• Stanford CS224d: Deep Learning für die Verarbeitung natürlicher Sprachen (Frühjahr 2015) von Richard Socher
• Tutorial auf der NAACL HLT 2013: Deep Learning für die Verarbeitung natürlicher Sprachen (ohne Magie) (Videos + Folien)

Vision-orientiert:

• CS231n Faltungs Neuronale Netze für Visual Recognition von Andrej Karpathy (eine frühere Version, kürzer und weniger poliert: Hacker-Guide für Neuronale Netze ).

Toolkit-spezifische Tutorials:

• DL4J (Java): http://deeplearning4j.org/documentation.html
• Theano (Python, Y. Bengio): http://deeplearning.net/
• Maschinelles Lernen mit Torch7 (Lua, LeCun): http://code.madbits.com/wiki/doku.php
• H2O Deep Learning (Java): http://0xdata.com/product/deep-learning/
• Caffee (C ++, UCB): http://caffe.berkeleyvision.org/
• Nervanas Deep Learning-Kurs

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

http://neuralnetworksanddeeplearning.com/

Dies war meine Lieblingsressource. Begann mit dem Stanford-Kurs für maschinelles Lernen, zog es jedoch vor, Vorlesungen vorzulesen. Vor allem, weil die Messwerte beispielhaft sind.

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

Hier können Sie Kurse online von vielen Kursanbietern erkunden. Außerdem empfehle ich Ihnen, sich die dortigen verwandten Themen anzuschauen.

Neuronale Netze und Deep Learning sind ein Ansatzpunkt .

Neuronale Netze und Deep Learning ist ein kostenloses Online-Buch. In diesem Buch lernen Sie Folgendes:

Neuronale Netze, ein wunderschönes, biologisch inspiriertes Programmierparadigma, das es einem Computer ermöglicht, aus Beobachtungsdaten zu lernen. Deep Learning, ein leistungsstarker Satz von Lerntechniken für neuronale Netze Neuronale Netze und Deep Learning bieten derzeit die besten Lösungen für viele Probleme bei der Bilderkennung und Sprache Erkennung und Verarbeitung natürlicher Sprache. In diesem Buch lernen Sie viele der Kernkonzepte kennen, die hinter neuronalen Netzen und Deep Learning stehen.

Für schnelles Lernen würde ich wählen:

Diese Deep-Learning-Vorlesung von dem großartigen Lehrer-Forscher Nando de Freitas: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Zum praktischen Verständnis der Programmiertheorie in Python dieses Material von Andrej Karpathy: http://cs231n.github.io/

Und für NLP: https://arxiv.org/abs/1510.00726

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

Dies gibt eine gute Anleitung für Ihre tiefe Lernreise.