使用 TensorFlow 进行理论与高级机器学习

ML 是一门以数学为主的学科。如果您计划修改 ML 模型或从头开始构建新模型，熟悉底层数学概念非常重要。您不必预先学习所有数学知识，而是可以在遇到不熟悉的概念时查阅它们。如果您已经有一段时间没有学习数学课程，请尝试观看 3blue1brown 的 线性代数的本质 和 微积分的本质 播放列表，以进行复习。我们建议您继续学习大学的课程，或观看 MIT 的公开访问讲座，例如 线性代数 或 单变量微积分。

没有一门课程可以教会您关于深度学习的所有知识。一种可能会有所帮助的方法是同时学习几门课程。尽管材料会有重叠，但让多位讲师以不同的方式解释概念可能会有所帮助，尤其是在复杂主题方面。以下是一些我们推荐的课程，可以帮助您入门。您可以一起探索它们，也可以只选择最相关的课程。

记住，你学得越多，并通过实践强化这些概念，你就会越擅长构建和评估自己的机器学习模型。

麻省理工学院课程 6.S191：深度学习导论 是麻省理工学院提供的深度学习与 TensorFlow 入门课程，也是一个很棒的资源。

吴恩达的 Coursera 深度学习专业课程 也教授深度学习的基础知识，包括卷积神经网络、RNN、LSTM 等。该专业课程旨在帮助你在工作中应用深度学习，并在人工智能领域建立职业生涯。

为了补充你在上面列出的课程中所学到的知识，我们建议你通过阅读下面的书籍来深入学习。每本书都可以在线获取，并提供补充材料来帮助你练习。

你可以先阅读伊恩·古德费洛、约书亚·本吉奥和亚伦·库维尔合著的 深度学习：麻省理工学院出版社书籍。深度学习教科书是一本高级资源，旨在帮助学生加深理解。这本书附带了一个 网站，提供各种补充材料，包括练习、讲义、错误修正和其他资源，让你能够动手实践这些概念。

你也可以探索迈克尔·尼尔森的在线书籍 神经网络与深度学习。这本书提供了神经网络的理论背景。它没有使用 TensorFlow，但对于有兴趣了解更多知识的学生来说是一个很好的参考。

在这一点上，我们建议你阅读论文并尝试我们网站上的 高级教程，其中包含一些知名出版物的实现。学习高级应用程序的最佳方法是 机器翻译 或 图像字幕，就是阅读教程中链接的论文。在学习的过程中，找到代码的相关部分，并使用它们来帮助巩固你的理解。