深度学习笔记--从0到1

我将尽可能用白话的方式去解释深度学习技术，学习过程中我会用所掌握的一些技术去动手做一些比较有意思的项目，在体验的过程中去理解原理。

课程介绍

课程将分为三部分:

• 基础知识
  机器学习基础，简单的线性回归与逻辑回归，搭建一个简单的神经网络，封装一个简单的DNN框架。
• 动手实现
  了解自动微分ND4j,学习了解DNN、CNN、RNN原理，动手实现他们。
• 框架部分
  学习使用DL4J框架，学习Tensorflow、Gluon框架。

若你懂的java，了解springboot，对AI感兴趣就一块加入学习吧。

学习分享

机器学习
https://study.163.com/course/courseMain.htm?courseId=1004570029
文刀 机器学习|理论与实战
https://www.youtube.com/playlist?list=PL_iBl5c4lkzpgB9ixAcHBZTwaupKSdb1i
深度学习
https://mooc.study.163.com/smartSpec/detail/1001319001.htm
基于java的DeepLearning框架 DL4j
https://deeplearning4j.org/
机器学习支持向量机
https://www.youtube.com/watch?v=o3oRG9VpVXU
自然常数e
https://www.youtube.com/watch?v=mZE0RmCbDe8
动手学深度学习.
https://github.com/d2l-ai/d2l-zh.

参考资料

梯度下降推导过程
https://blog.csdn.net/xiaopan233/article/details/86718372
神经网络反向传播的推倒过程
https://www.youtube.com/watch?v=5endCP0pfyE
https://blog.csdn.net/qq_32865355/article/details/80260212
黄博士吴恩达机器学习课程PDF笔记
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

视频课程

待更新...

学习讨论

我会将实现的过程用视频方式来讲解，然后再将视频发布到B站和YouTube上，视频地址我会整理到下面，若有问题可在知识星球(智慧探索实验室)上讨论。

视频目录

视频讲重新录制. 计划如下：
1、深度学习基础.
2、手动实现：DNN CNN RNN.
3、框架使用.

项目目录

demo01
实现一个简单的线性回归机器学习过程,基于数组方式
demo02
实现一个简单的线性回归机器学习过程,基于矩阵方式
demo03
实现一个简单的逻辑回归机器学习过程,基于矩阵方式
demo04
基于神经网络的逻辑回归的简单实现
demo05
基于神经网络的逻辑回归的封装,组建自己的神经网络框架
demo06
实现SoftMax回归神经网络框架，进一步对神经网络做优化
demo07
增加随机梯度下降算法，增加测试集。首测 94.18% 😀
demo08
模型的保存,基于kryo序列化后存储到本地.
demo09
在线手写识别数字，mnist测试数据识别率为 96.13%，在线识别率没有那么高，原因在图片处理上存在差异
demo10
通过自动微分框架，重写DNN框架，优化中...

QA

Q: 为什么用java的方式去实现深度学习，而不用已有的Python、GO这些语言？
A: 我采样java的方式去实现，首先是希望通过这样的方式可以让更多懂java的人也能很好的理解这门技术，也为了自己去深刻掌握深度学习的技术。

Q: 当学习过程中遇到问题，如何请教与讨论？
A: 大家可加我的微信，我会邀请大家在知识星球(智慧探索实验室)上讨论。