以下是关于快速学习深度学习的一些建议和资源:
此外,还可以观看“用大模型保存你的全部人生,你会接受吗:专访安克创新 CEO 阳萌|大咖谈芯第 11 期”(https://www.bilibili.com/video/BV1iT421Q7M1),了解什么是 AI 大模型及其原理。其中提到生成式 AI 生成的内容叫做 AIGC,相关技术名词包括 AI(人工智能)、机器学习(包括监督学习、无监督学习、强化学习)、监督学习(有标签的训练数据,学习输入和输出之间的映射关系,包括分类和回归)、无监督学习(学习的数据没有标签,算法自主发现规律,经典任务包括聚类)、强化学习(从反馈里学习,最大化奖励或最小化损失,类似训小狗)、深度学习(一种参照人脑有神经网络和神经元的方法)。
《Deep Learning in a Nutshell:History and Training》https://developer.nvidia.com/blog/parallelforall/deep-learning-nutshell-history-training/译者:《通往AGI之路》共建者dorothy这一系列博客旨在提供一个直观温和且不严重依赖数学或理论构建的[深度学习](https://developer.nvidia.com/deep-learning)介绍。本系列的[第一部分](https://developer.nvidia.com/blog/parallelforall/deep-learning-nutshell-core-concepts/)对深度学习领域进行概述,涵盖了基础和核心概念。[第三部分](https://developer.nvidia.com/blog/parallelforall/deep-learning-nutshell-sequence-learning/)涵盖了序列学习主题,如循环神经网络和LSTM。在第二部分中,我们简要回顾了深度学习的历史,然后着手讨论快速高效训练深度学习架构的方法。第三部分着重介绍了[序列学习](https://developer.nvidia.com/blog/parallelforall/deep-learning-nutshell-sequence-learning/),第四部分则重点关注[强化学习](https://developer.nvidia.com/blog/parallelforall/deep-learning-nutshell-reinforcement-learning/)。我以词汇表的形式编写了这个系列,因此它也可以用作深度学习概念的参考。
1.如果和我一样一点基础也没有,并且概率论和线性代数的知识差不多都忘完了,那么可以去看一下相关课程学习一下,如果不关注公式啥的,这一步可以先忽略,大约周末一天时间就可以搞定;2.然后如果对机器学习也一点基础都没有的话,可以先看吴恩达的课程,有个大致的理解,然后去看李宏毅的课程作为补充,如果单纯的想入门学习强化学习,那么只需要看前几节讲完神经网络那里就差不多了,这个视频课程估计要看25小时左右;3.学完之后可以跟着《动手学深度学习https://hrl.boyuai.com/》一起动手学习一下我们上面学到的概念,写写代码,如果只是入门的话看前五章就好了,本篇文章的很多资料也是整理自这本书,大约10小时左右;4.接下来可以看看B站王树森的深度学习的课程,可以先看前几节学习一下强化学习的基础知识点,大约5小时左右;5.到这个阶段估计还是懵的,需要去上手做点项目,那么可以看《动手学强化学习》这本书,已经开源了https://hrl.boyuai.com/,只看到DQN的部分,大约十几小时。
2、[用大模型保存你的全部人生,你会接受吗:专访安克创新CEO阳萌|大咖谈芯第11期_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1iT421Q7M1)介绍:某知识up主老石谈芯专访安克创新CEO阳萌的视频,一共两期,视频链接是第二期。两期内容都值得观看,访谈非常硬核,我也会做拆解,并思考与近期苹果发布会的关系。一、视频一主要回答了什么是AI大模型,原理是什么。1、概念:生成式AI生成的内容,叫做AIGC2、概念与关系:相关技术名词1)AI——人工智能2)机器学习——电脑找规律学习,包括监督学习、无监督学习、强化学习。3)监督学习——有标签的训练数据,算法的目标是学习输入和输出之间的映射关系。包括分类和回归。4)无监督学习——学习的数据没有标签,算法自主发现规律。经典任务包括聚类,比如拿一堆新闻文章,让模型根据主题或内容特征分成具有相似特征的组。5)强化学习——从反馈里学习,最大化奖励或最小化损失;类似训小狗。6)深度学习——一种方法,参照人脑有神经网络和神经元(因为有很多层所以叫深度)。