最近刷了edX课程:Deep Learning Explained,业余时间用了三周,大概20小时左右。该课程由Microsoft提供,很适合作为Deep Learning入门课程。课程提供5个实验,手把手教你不同参数对模型效果的影响。当然,天下没有免费午餐,这个课程本身是一个软广告,主要推销CNTK深度学习框架(TensorFlow竞品)。不过对于我无所谓,各取所需,双赢挺好的。

课程大纲

  • 1 Introduction and Overview
  • 2 Multi-class classification using Logistic Regression
  • 3 Image Recognition with Multi-layer Perceptron
  • 4 Image Recognition using Convolution Neural Network
  • 5 Forecast Time Data using a Recurrent Neural Network (RNN)
  • 6 Text Classification with RNN and Long Short Term Memory (LSTM)

这门课程作为DNN的入门课程,个人感觉非常适合,不足的是理论推导基本没有,学完后不知道为什么模型就这样工作了。当然,你不能对一个免费的课程要求更多,而且Deep Learning理论支撑本来也没有定论,人们目前也不能完全解释为什么搞这么多层,模型就工作的非常好。

实践是检验真理的唯一标准。后续要将Deep Learning技术应用到实践中,这样才能验证其效果。工作中图像问题遇到不多,时序问题还是挺多的,所以RNN/LSTM是后续主要切入点。