मैं तंत्रिका नेटवर्क कैसे सीखूं?

15

मैं एक नवोदित स्नातक छात्र हूं (इसका उल्लेख करते हुए आप मेरी अपरिचितता को क्षमा कर सकते हैं) जो वर्तमान में तंत्रिका नेटवर्क का उपयोग करके शोध कर रहे हैं। मैंने अपने प्रोफेसर के मार्गदर्शन के आधार पर तीन-नोड न्यूरल नेटवर्क (जो काम करता है) को कोडित किया है। हालाँकि, मैं एअर इंडिया और डेटा साइंस में अपना करियर बनाना चाहता हूँ, और मैं खुद को इन अच्छी तरह से गहराई से पढ़ाना चाहता हूँ। क्या कोई ऐसी किताबें या संसाधन हैं जो मुझे तंत्रिका नेटवर्क संरचनाओं, गहन शिक्षा आदि के बारे में अधिक सिखाएंगे, क्या कोई सिफारिशें हैं?

नोट: मैं जावा, पायथन, बैश, जावास्क्रिप्ट, मैटलैब में प्रवीण हूं और C ++ का थोड़ा-बहुत ज्ञान रखता हूं।

machine-learning neural-network

— फुरकान टोपराक
स्रोत

7

मेरे पास कंप्यूटर विज्ञान में मास्टर है और मेरी थीसिस न्यूरल नेटवर्क्स का उपयोग करके समय-श्रृंखला की भविष्यवाणी के बारे में थी।

स्किकिट और टेन्सरफ्लो के साथ बुक हैंड ऑन मशीन लर्निंग व्यावहारिक दृष्टिकोण से बेहद मददगार था। यह वास्तव में बहुत सिद्धांत और गणित के बिना चीजों को स्पष्ट रूप से देता है। मैं दृढ़ता से इसकी सिफारिश करता हूं।

दूसरी ओर, इयान गुडफेलो की पुस्तक भी एक प्रकार (डीएल की बाइबिल) है। आपको सैद्धांतिक व्याख्याएँ मिलेंगी, साथ ही यह आपको गहरी सीखने और अब तक की विनम्र शुरुआत के संबंध में बहुत अधिक जानकारों को छोड़ देगा।

एक और, जैसा कि दूसरों ने सुझाव दिया है, निश्चित रूप से, चोललेट द्वारा पायथन के साथ डीप लर्निंग है । मैंने इस पुस्तक को पढ़ने के लिए प्रेरित किया। वास्तव में यह बहुत अच्छी तरह से लिखा गया था, और फिर, यह आपको ट्रिक्स और अवधारणाओं को सिखाता है जिन्हें आप शायद ही ऑनलाइन ट्यूटोरियल और पाठ्यक्रमों से समझ पाते हैं।

इसके अलावा, मैं देख रहा हूं कि आप मटलब से परिचित हैं, इसलिए हो सकता है कि आपने कुछ आँकड़े / संभावना वर्ग ले लिए हों, अन्यथा, ये सभी आपको थोड़ा अभिभूत कर देंगे।

— केजसी स्ट्रोगा
स्रोत

1

मैंने इस धागे से बहुत सारी सलाह ली है, और हैंड्स ऑन मशीन लर्निंग विद स्किकिट और टेन्सरफ्लो इन सुझावों के लिए सबसे सहायक पुस्तक थी। मैंने आपकी प्रतिक्रिया के लिए स्वीकृत उत्तर को स्थानांतरित कर दिया है। धन्यवाद।

— फुरकान Toprak

मददगार होने की खुशी :) @FurkanToprak

— Kejsi Struga

10

यदि आप गहरी शिक्षा के लिए एक अच्छी और ठोस शुरुआत चाहते हैं, तो मैं इयान गुडफेलो एट अल द्वारा उचित रूप से नामित पुस्तक "डीप लर्निंग" के साथ शुरुआत करना चाहूंगा। उसके बाद आपके पास एक अच्छा आधार होगा जिसे आप ऑनलाइन उपलब्ध कई अलग-अलग ट्यूटोरियल, लेखों और पाठ्यक्रमों द्वारा खर्च कर सकते हैं।

हालाँकि, मैं यह भी जोड़ूंगा कि ऐसा करने से पहले, आपको कुछ बुनियादी "मशीन लर्निंग" क्लास लेनी चाहिए (यह आपके विश्वविद्यालय में उपलब्ध होना चाहिए)। बहुत से लोग इन दिनों सीधे न्यूरल नेटवर्क को सीखने और लागू करने के लिए जाते हैं क्योंकि यह अपेक्षाकृत आसान है, लेकिन इसकी तुलना में उन्हें इसे बेहतर बनाने या इसकी पूर्ण क्षमता का उपयोग करने के लिए समझ की कमी है।

— Mark.F
स्रोत

1

मैं पूरी तरह से इस बात से सहमत हूं। बहुत से ML और NN में "ज्ञान निर्भरता" होती है, जहाँ कुछ अंतर्निहित तकनीकों / अवधारणाओं में पर्याप्त पृष्ठभूमि बनाए बिना कठिन सामान में कूदना आसान नहीं होता है। कैलकुलस और रैखिक बीजगणित से परे, बुनियादी मशीन सीखने की अवधारणाओं में से कुछ में एक नींव का निर्माण (विशेष रूप से गणितीय रूप से)

— एथान

8

जैसा कि अन्य सुझाव बहुत अच्छे संसाधन हैं। यदि आप गहराई से ज्ञान चाहते हैं, तो मैं एंड्रयू एनजी द्वारा पाठ्यक्रम पर सुझाव दूंगा। यह एमएल के मूल ज्ञान की गहराई से जानकारी देता है और यदि आप इस बारे में उलझन में हैं कि क्या आप एआई, एमएल या डीप लर्निंग से शुरू करते हैं, तो आप मेरे प्रोफाइल में ब्लॉग लिंक का अनुसरण कर सकते हैं। मैंने हाल ही में पोस्ट किया था कि कैसे इन तकनीकों के साथ जाना है ।

पुनश्च: मैं यहाँ अपने ब्लॉग का विज्ञापन नहीं कर रहा हूँ। मैं सिर्फ मदद कर रहा हूं। यदि आप अनुसरण करना चाहते हैं तो आप अनुसरण कर सकते हैं अन्यथा केवल एंड्रयू एनजी के साथ जाएं

— गौरव
स्रोत

4

एनजी एक क्लासिक की तरह है, और उसकी नई री-काम की विशेषता अप-टू-डेट है, और इसके अलावा विषय में बहुत बड़े नामों के साथ साक्षात्कार की सुविधा है (हिंटन, ले कुन्न, गुडफेलो, और कई और अधिक, आदि) । इस कोर्स को लेने से आपको एक अच्छी ग्राउंडिंग मिल जाएगी, और कुछ ऐसा हो सकता है जो आपकी पीढ़ी के अन्य चिकित्सकों के साथ आम हो। मैं इसे अकेले उस आखिरी कारण के लिए करूंगा - ध्यान दें कि यह बहुत कठिन नहीं है - हिंटन द्वारा कौरसेरा पाठ्यक्रम कहीं अधिक कठिन है, लेकिन अब थोड़ा सा दिनांक।

— माइक वाइज

@ माइक वाइज हां मैं यह नहीं कह रहा कि कोर्स कठिन है। मैं कह रहा हूँ कि तंत्रिका नेटवर्क कठिन है, विशेष रूप से जब आप शुरुआत कर रहे हैं और वेब पृष्ठभूमि से

— गौरव

7

मेरा सुझाव है कि यदि आप मूल बातों पर फिर से विचार करना चाहते हैं, तो Google के क्रैश कोर्स को एमएल पर शुरू करें । मैं तब तेजी से पालन करने का सुझाव देता हूं। वाई के एमएल और डीएल सबक । एलेक्स स्मोला और एसवीएन विश्वनाथन द्वारा मशीन लर्निंग का परिचय पढ़ने के लिए । आपका दिन शुभ हो!

— margobra8
स्रोत

6

मैं आपको इस महान पुस्तक को पढ़ने का सुझाव देता हूं: स्किट और टेन्सरफ्लो के साथ मशीन सीखने पर हाथ। तंत्रिका नेटवर्क को अध्याय 9 और 10 में सफलतापूर्वक प्रस्तुत किया जाता है। आपके लिए अभ्यास करने के लिए बहुत सारे उदाहरण हैं। प्रभावी ढंग से उदाहरणों की स्क्रिप्ट को समझने के लिए आपके पास पायथन प्रोग्रामिंग की पृष्ठभूमि होनी चाहिए। आपका दिन शुभ हो!

— नगा दाऊ
स्रोत

3

फ्रांकोइस चॉलेट द्वारा पायथन के साथ डीप लर्निंग केरस के लेखक द्वारा गहन सीखने में एक महान, उच्च-स्तरीय परिचय है।

— एतान
स्रोत

1

उपरोक्त संदर्भों को जोड़ने के लिए (Goodfellow et al द्वारा deeplearningbook एक है यदि आप इस विषय में गहराई से जाना चाहते हैं), एक उत्कृष्ट हाथों की पुस्तक को गहन सीखने में गोता लगाया जाता है जो कला दृष्टिकोण की एक स्थिति देता है (कंप्यूटर दृष्टि) , एनएलपी) ग्लोन एपीआई (एमएक्सनेट फ्रेमवर्क का उपयोग करके, सीधे डोप देखें )। मैं अत्यधिक पाइरॉच सॉफ्टवेयर ( ट्यूटोरियल ) में संसाधनों की सिफारिश करता हूं ।

— Foivos
स्रोत

1

सेल्फ लर्निंग के लिए कई अच्छी वेबसाइट हैं। निम्नलिखित 2 उदाहरण हैं:

https://machinelearningmastery.com/start-here/#deeplearning

https://www.analyticsvidhya.com/blog/2018/10/introduction-neural-networks-deep-learning/

ये व्यावहारिक पहलुओं के लिए विशेष रूप से सहायक हैं, शायद सैद्धांतिक पृष्ठभूमि के लिए कम।

— रेन्सो
स्रोत