शुरुआती के लिए तंत्रिका नेटवर्क संदर्भ (पाठ्यपुस्तक, ऑनलाइन पाठ्यक्रम)


43

मैं न्यूरल नेटवर्क सीखना चाहता हूं। मैं एक कम्प्यूटेशनल भाषाविद् हूं। मुझे पता है कि सांख्यिकीय मशीन सीखने के दृष्टिकोण और पायथन में कोड कर सकते हैं।

मैं इसकी अवधारणाओं के साथ शुरू करना चाहता हूं, और एक या दो लोकप्रिय मॉडल जानता हूं जो कम्प्यूटेशनल भाषाविज्ञान के दृष्टिकोण से उपयोगी हो सकता है।

मैंने संदर्भ के लिए वेब ब्राउज किया और कुछ किताबें और सामग्री पाई।

  • रिप्ले, ब्रायन डी। (1996) पैटर्न रिकॉग्निशन एंड न्यूरल नेटवर्क्स, कैम्ब्रिज

  • बिशप, मुख्यमंत्री (1995) पैटर्न पहचान के लिए तंत्रिका नेटवर्क, ऑक्सफोर्ड: ऑक्सफोर्ड यूनिवर्सिटी प्रेस।

  • इस थीसिस , इन कोर्स नोट्स (यूनिवर्सिटी ऑफ टोरंटो साइकोलॉजी डिपार्टमेंट), इन कोर्स नोट्स (यूनिवर्सिटी ऑफ विस्कॉन्सिन कंप्यूटर साइंस) और इस स्लाइड शो (फेसबुक रिसर्च) जैसे कुछ लिंक ।

कोर्सेरा पाठ्यक्रम आम तौर पर अच्छे होते हैं, अगर किसी को उनसे प्रासंगिक कुछ भी पता हो। मैं स्पष्ट भाषा और पर्याप्त उदाहरण वाली सामग्री पसंद करता हूं।


2
मैंने इसे और अधिक उचित बनाने के लिए पाठ को संपादित करने की कोशिश की है, अपने संपादन में संशोधन करने के लिए स्वतंत्र महसूस करें यदि आपको लगता है कि उन्होंने कुछ भी इस तरह से बदल दिया है जो आपको पसंद नहीं है।
सिल्वरफिश

यह स्पष्ट नहीं है कि आप क्या पूछ रहे हैं। कृपया स्पष्ट करें कि आपको सीवी उत्तरदाताओं से क्या सीखने की उम्मीद है।
माइक हंटर

youtube.com/channel/UC0z_jCi0XWqI8awUuQRFnyw अत्यधिक इस ऑक्सफोर्ड विश्वविद्यालय के प्रोफेसर पाठ्यक्रम की सिफारिश
जो आधा चेहरा

मेरा प्रारंभिक उद्देश्य एएनएन के मूल सिद्धांतों को सीखना और कुछ टेक्स्ट माइनिंग टूल्स बनाने के लिए एक या दो मॉडल को मास्टर करना है, जैसे पीओएस टैगिंग या सेंटीमेंट एनालिसिस। एक बार जब मुझे थोड़ी गहराई मिल जाती है तो मुझे विश्वास होता है कि मैं अपने दम पर आगे बढ़ सकता हूं।
HIGGINS

जवाबों:


34

तुम्हारी किस्मत अच्छी है! इस समय संसाधनों की एक अद्भुत संख्या उपलब्ध है। विशेष रूप से, आप देख सकते हैं:


एक पुनरावर्ती तंत्रिका शुद्ध वाइल्ड एमएल डॉट कॉम
20155/

यह कैसे काम करता है पर पढ़ें। फिर गैर-पुनरावर्ती जालों और प्रत्येक के लिए बैक प्रोपोगेशन कोड खोजने की प्रगति।
user3916597

2
क्या आप उन सभी चीज़ों के लिए लेखक और शीर्षक प्रदान कर सकते हैं जिन्हें आप उद्धृत कर रहे हैं, ताकि आपका उत्तर खोज योग्य हो जाए और कुछ लिंक मृत होने पर भी उपयोगी बने रहें?
अमीबा का कहना है कि मोनिका

17

मुख्य संदर्भ:

गहन शिक्षा पर पाठ्यक्रम:

NLP उन्मुख:

विजन उन्मुख:

टूलकिट-विशिष्ट ट्यूटोरियल:


6

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

http://neuralnetworksanddeeplearning.com/

यह मेरा पसंदीदा संसाधन रहा है। स्टैनफोर्ड मशीन सीखने के पाठ्यक्रम के साथ शुरू किया गया, लेकिन व्याख्यान पर पढ़ना पसंद करते हैं। खासकर क्योंकि रीडिंग उदाहरण आधारित हैं।


2
साइट पर आपका स्वागत है। वर्तमान में यह एक उत्तर की तुलना में अधिक टिप्पणी है। आप इसका विस्तार कर सकते हैं, शायद लिंक पर जानकारी का सारांश देकर, या हम इसे आपके लिए एक टिप्पणी में बदल सकते हैं।
गंग -

2
यह संभावित रूप से एक सहायक उत्तर की तरह दिखता है, लेकिन यह थोड़ा अस्पष्ट है: ये "रीडिंग" क्या हैं जिन्हें आप संदर्भित करते हैं? आपकी टिप्पणियों में से कौन से दो लिंक लागू होते हैं?
whuber

अपनी तरह के प्रयास और समय के लिए आप सभी का धन्यवाद। आशा है कि मैं अच्छी सीखकर इसका सम्मान कर सकता हूं।
हिगिंस


1

न्यूरल नेटवर्क्स और डीप लर्निंग एक अट्रैक्टिव शुरुआती बिंदु है

न्यूरल नेटवर्क्स और डीप लर्निंग एक मुफ्त ऑनलाइन पुस्तक है। पुस्तक आपको इसके बारे में सिखाएगी:

तंत्रिका नेटवर्क, एक सुंदर जैविक रूप से प्रेरित प्रोग्रामिंग प्रतिमान जो कंप्यूटर को अवलोकन डेटा से सीखने में सक्षम बनाता है डीप लर्निंग, तंत्रिका नेटवर्क में सीखने के लिए तकनीकों का एक शक्तिशाली सेट तंत्रिका नेटवर्क और गहन सीखने वर्तमान में छवि मान्यता, भाषण में कई समस्याओं का सबसे अच्छा समाधान प्रदान करते हैं। मान्यता, और प्राकृतिक भाषा प्रसंस्करण। यह पुस्तक आपको तंत्रिका नेटवर्क और गहन सीखने के पीछे कई मुख्य अवधारणाओं को सिखाएगी।


0

तेजी से सीखने के लिए मैं चुनूंगा:

महान शिक्षक-शोधकर्ता नंदो डी फ्रीटास से यह गहन शिक्षण व्याख्यान: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

पायथन में व्यावहारिक प्रोग्रामिंग सिद्धांत को समझने के लिए, लेडी कर्पथी की यह सामग्री: http://cs231n.github.io/

और एनएलपी के लिए: https://arxiv.org/abs/1510.00726


हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.