Riferimenti di reti neurali (libri di testo, corsi online) per principianti

Voglio imparare le reti neurali. Sono un linguista computazionale. Conosco approcci statistici di machine learning e posso programmare in Python.

Sto cercando di iniziare con i suoi concetti e conoscere uno o due modelli popolari che possono essere utili dal punto di vista della linguistica computazionale.

Ho navigato sul web come riferimento e ho trovato alcuni libri e materiali.

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

• Bishop, CM (1995) Neural Networks for Pattern Recognition, Oxford: Oxford University Press.

• alcuni link, come questa tesi , queste note del corso (Dipartimento di Psicologia dell'Università di Toronto), queste note del corso (Università del Wisconsin Computer Science) e questa presentazione (Ricerca Facebook).

I corsi di Coursera sono generalmente carini, se qualcuno sa qualcosa di rilevante da loro. Preferisco materiali con un linguaggio lucido e ampi esempi.

Sei fortunato! Al momento è disponibile un numero incredibile di risorse. In particolare, potresti guardare:

• un corso di Coursera che inizierà presto
• un libro di testo online recentemente pubblicato da alcuni dei leader del settore (Goodfellow, Bengio e Courville)
• queste note di lezione e questa panoramica , che sono più orientate all'elaborazione del linguaggio naturale
• una serie di post sul blog con bellissime visualizzazioni di Chris Olah
• due toolkit ben supportati con interfacce Python e tutorial online: Tensorflow e Theano

Riferimenti principali:

Corsi di apprendimento profondo:

• Il corso di Andrew Ng sull'apprendimento automatico ha una bella sezione introduttiva sulle reti neurali.
• Corso di Geoffrey Hinton: Coursera Neural Networks for Machine Learning (autunno 2012)
• Il libro gratuito di Michael Nielsen Neural Networks e Deep Learning
• Yoshua Bengio, Ian Goodfellow e Aaron Courville hanno scritto un libro sull'apprendimento profondo (2016)
• Il corso di Hugo Larochelle (video + diapositive) all'Università di Sherbrooke
• Tutorial di Stanford (Andrew Ng et al.) Sull'apprendimento non supervisionato di funzionalità e l'apprendimento profondo
• Corso ML 2014-2015 di Oxford
• Corso di apprendimento profondo NVIDIA (estate 2015)
• Corso Deep Learning di Google su Udacity (gennaio 2016)

NLP-oriented:

• Stanford CS224d: Deep Learning for Natural Language Processing (primavera 2015) di Richard Socher
• Tutorial offerto a NAACL HLT 2013: Deep Learning for Natural Language Processing (senza magia) (video + diapositive)

Vision-oriented:

• CS231n Convolutional Neural Networks for Visual Recognition di Andrej Karpathy (una versione precedente, più corta e meno raffinata: la guida di Hacker alle reti neurali ).

Tutorial specifici del toolkit:

• DL4J (Java): http://deeplearning4j.org/documentation.html
• Theano (Python, Y. Bengio): http://deeplearning.net/
• Apprendimento automatico con 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/
• Corso di apprendimento profondo di Nervana

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

http://neuralnetworksanddeeplearning.com/

Questa è stata la mia risorsa preferita. Iniziato con il corso di apprendimento automatico di Stanford, ma preferisco leggere le lezioni. Soprattutto perché le letture sono basate su esempi.

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

Puoi esplorare i corsi online da molti fornitori di corsi qui. Inoltre ti suggerisco di esaminare gli argomenti correlati lì.

Neural Networks e Deep Learning è un punto di partenza accessibile .

Neural Networks e Deep Learning è un libro online gratuito. Il libro ti insegnerà:

Reti neurali, un bellissimo paradigma di programmazione ispirato biologicamente che consente a un computer di apprendere dai dati osservativi Apprendimento profondo, un potente insieme di tecniche per l'apprendimento nelle reti neurali Le reti neurali e l'apprendimento profondo attualmente forniscono le migliori soluzioni a molti problemi nel riconoscimento delle immagini, nel discorso riconoscimento ed elaborazione del linguaggio naturale. Questo libro ti insegnerà molti dei concetti chiave alla base delle reti neurali e dell'apprendimento profondo.

Per un apprendimento veloce sceglierei:

Questa lezione di Deep Learning del grande insegnante-ricercatore Nando de Freitas: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Per la comprensione della teoria della programmazione pratica in Python questo materiale di Andrej Karpathy: http://cs231n.github.io/

E per la PNL: https://arxiv.org/abs/1510.00726

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

Questo fornisce una buona guida per il tuo viaggio di apprendimento profondo.