茶歇驿站 成长之路由我相伴。

GitChat 答疑:《BP 神经网络入门:从原理到应用》


本文主要是对于 GitChat 答疑《BP 神经网络入门:从原理到应用》的部分记录。

介绍

《BP 神经网络入门:从原理到应用》,作者:张仕超,研究生在读。 本科有过校赛培训经验,擅于清晰简明地讲解复杂的知识。本研期间获奖若干: robocup机器人中国赛亚军 类脑计算大赛二等奖 数模美赛一等奖……我的博客:http://blog.csdn.net/u014303046

QA

Q1. 文中的公式是怎么写的?

Q1. 文章都是 markdown 写的,公式是使用 latex 语法写的。

Q2. 公式都看不懂,数学基本都还给老师了,应该怎么办?

把数学都复习一下,复习建议:机器学习涉及到的数学知识主要包括:线性代数,概率统计和微积分。这些内容建议网上搜索斯坦福大学 CS229 课程(注意这里不是说的网易公开课的 CS 229 课程),课程所对应的补充资料里面都有这些内容的复习,这些内容比较精简,加起来大概 100 页不到,很适合初学者。

Q3. Python 工作环境是怎么样的?

对于 Python 初学者,强烈建议推荐 jupyter notebook和spyder。

jupyter notebook 可以让你像浏览网页一样编写和运行代码,并且支持 markdown 语法,可以让你做一些图文并茂的工作。 spyer和matlab很像,你可以在变量查看器里面查看程序的变量,这对于初学者调试自己的程序很有帮助。 另外,强烈推荐大家使用 Docker 管理自己的 Python 环境,Docker 类似于虚拟机,但是直接运行于宿主机内核,无需虚拟硬件,所以额外开销极小。

Q4. 数学的门槛比较高。

数学的学习确实很痛苦,不过对于初学者理解背后的数学原理确实很重要,希望大家一起努力。

课程链接:http://cs229.stanford.edu/syllabus.html,包括:线性代数,概率,凸优化,隐马尔科夫,高斯过程等。

国内对 CS 229 主线课程有一个翻译,可以参考一下,地址:https://github.com/Kivy-CN/Stanford-CS-229-CN

还有林轩田的机器学习基石课程比较艰难,也比较深入。

知乎专栏:https://zhuanlan.zhihu.com/p/25197792,但是感觉不够深入。

如果时间充裕或者是学生,确实需要学习数学,如果是工程师,可以从 coursera 的吴恩达的机器学习课程开始学习。

Q5. 使用matlab辅助会不会好点?

机器学习还是建议使用 Python,因为无论是以后使用机器学习库,还是参考 Github 别人的代码,都是 Python 居多。


茶歇驿站

一个可以让你停下来看一看,在茶歇之余给你帮助的小站。

打赏

这里的内容主要是后端技术,个人管理,团队管理,以及其他个人杂想。

茶歇驿站二维码


Comments

Content