http://www.almosthuman.cn/2015/12/16/rhnvh/
本文作者Ankit Agarwal是面向開發(fā)者的神經(jīng)網(wǎng)絡(luò)平臺提供商Silversparro Technologies的CTO和創(chuàng)始人。
1，第一步，了解什么是機(jī)器學(xué)習(xí)，最佳入門資源就是 Andrew Ngs (Ex-Google, Stanford, Baidu), an online course at coursera. 講座讓你足夠了解機(jī)器學(xué)習(xí)的基礎(chǔ)，不過課后作業(yè)會提升你對機(jī)器學(xué)習(xí)的了解。
2，接下來需要培養(yǎng)對神經(jīng)網(wǎng)絡(luò)的直覺。所以，繼續(xù)編寫你的第一個神經(jīng)網(wǎng)絡(luò)，和它玩耍吧
3，了解神經(jīng)網(wǎng)絡(luò)很重要，但是簡單神經(jīng)網(wǎng)絡(luò)沒有足夠能力解決大多數(shù)有趣問題。變量-卷積神經(jīng)網(wǎng)絡(luò)很善于解決視覺問題。斯坦福課程筆記以及幻燈片：CS231n Convolutional Neural Networks for Visual Recognition(notes), 和CS231n: Convolutional Neural Networks for Visual Recognition (講座幻燈片)。 here和 here是兩個很棒的有關(guān)CNNs的視頻。
4，接下來就是自己電腦上運行你的第一個CNN
- 安裝 Boinc（這個對你的學(xué)習(xí)沒幫助，但是能讓其他研究人員在在它閑置的時候使用你的GPU從科學(xué)工作）
5，Digit提供上會給少數(shù)幾個算法，比如 用來性格識別的Lenet ，圖像分類的 Googlenet。你要下載 相關(guān)數(shù)據(jù)庫（ dataset for Lenet 和 dataset for Googlenet ）來運行這些算法。可以修改算法并嘗試其他有趣的視覺圖像識別任務(wù)，就像我們嘗試過的（ here）。
6，就各種NLP任務(wù)而言，RNNs是最佳選擇。學(xué)習(xí)RNNs最好的地方是斯坦福的演講視頻（Stanford lecture videos here）。你可以下載 Tensorflow，用它來建造RNNs.
7，現(xiàn)在，繼續(xù)選擇一個深度學(xué)習(xí)問題吧，無論是面部識別還是語音識別、無人駕駛汽車等等，試著解決它。
如果你完成了所有步驟，恭喜！去申請谷歌、百度、微軟、臉書或者亞馬遜的職位吧。沒多少人能做這些。
來自linkedin，機(jī)器之心編譯出品。編譯：微胖。