我知道这些概念是有全集和子集的区别的，总的来说，深度学习需要从哪里看起？百度知乎等找了不少相关问答，但感觉都是西瓜书、数理统计方法之类的入门书，看了目录之后，有种学完还是不太懂这些知识的清晰的认知。有没有从小白开始的一路进阶指导？你们都是怎么入门到精通的呢？（纯小白一枚，望海涵
This topic created in 2379 days ago, the information mentioned may be changed or developed.
 |
1
|
1 |
2
Coursera 吴恩达
|
 |
5
一个比较经典的入门课程是 Andrew Ng 的 ML 课程吧，在 coursera 和网易云课堂都有，这两个平台上的课都比较老了当然内容完全没差。现在 YouTube 上面也有 18spring 的 Stanford cs229 了，也是 Andrew ng 的课，比较新而且也很好。
|
 |
6
感谢几位回答，都是很好的资源 ：）
|
 |
JoooooooooMay 4, 2020
7
建议找个研究生的课本
不过前提是数学基础够了, 包括线性代数, 矩阵论等等 |
 |
8
花书《深度学习》，西瓜书《机器学习》
|
 |
shenfu1991May 4, 2020 via iPhone
9
正在学习，之前看看书，发现自学能力不是很好，或者说书上一些基础的东西没讲清楚，目前在看视频，发现简单很多。看个人情况
|
 |
10
西瓜书真的是给自学的人看的吗？从头到尾大水漫灌堆砌数学公式，典型的国产教材风格，我很讨厌。
视频的话吴恩达的 ML 课程就不错，在 coursera 上还可以给编程作业打分。 书本的话实战派有一个 hands-on machine learning with scikit-learn and tensorflow，理论派有一个 an introduction to statistical learning，都是适合新人入门的教材。 |
 |
11
如果是入门，可以看 《动手深度学习》
如果要真正做算法工程师，还是建议 花书 西瓜书，即使看过了 《动手深度学习》或者某些 python 机器学习书籍，或者某些机器学习相关视频，最终要真正理解 并做算法工程师的工作，还是要懂把这些难啃的理论啃下 当然机器学习落地是极其庞大的工程，算法只是其中一部分，而且算法工程师做数据和特征的远多于做模型的，楼主如果真的有做这方面的打算，建议可以从 数据分析 数据挖掘做起，这些学习的门槛低些 最好的入门方式，是有机会做相关的业务，我 17 年也看过 理论基础，学过 tf，然而几乎就是啥都没懂，学了就忘了，这两年做推荐引擎 机器学习平台，才算真正学懂了些，不过整体还是偏工程 |
|
12
谢谢上面 V 友们的帮助与指路！！！太热心了！！么么哒！！：）
|
 |
ipwxMay 4, 2020
13
@Hsinyao 数学公式不是问题，问题是没有讲透。
我个人的学习路径是 "Deep Learning" 和 "Pattern Recognition and Machine Learning" 交叉看，期间补习微积分、概率论和线性代数，然后看懂了。 |
 |
a852695Apr 5, 2023
14
如果是入门，可以看 《动手深度学习》
有在线的版本可以看，我觉得足够了，https://zh.d2l.ai/ |
Select Language