確定不用 10000 小時！想入門深度學習，在這裏只用 1 千小時……

去年，阿法狗（AlphaGo）在圍棋領域首次打敗了人類的世界冠軍，深度學習開始成爲人們交口議論的話題，而就在今天，他的弟弟阿法元只靠一副棋盤和黑白兩子，從零開始，自娛自樂，本身參悟，100-0 戰勝哥哥阿法狗，這無疑將深度學習推向了更高點。

關於深度學習，技術人最關心的話題就是如何進行了解與學習，而你們都知道要成爲特定領域的大師必須通過「一萬小時」，可是今天小編很負責任地告訴你，不須要！

「NewTech 觀察圈」的成員—— 百度算法工程師 Roy 特別整理了史上最全的深度學習資源索引，包括論文，慕課，開源框架，數據集等等，如下是精選部分。

1、圍棋比賽今後由機器制霸

長期以來，人工智能的目標就是要實現一種可以自主學習，再放空，最終實現超越人類的算法。這兩年，AlphaGo 成爲了第一個打敗人類圍棋世界冠軍的項目。AlphaGo 中的樹形檢索算法運用深層神經網絡評估每一步落子的位置，並計算出破解之道。有了這些神經網絡系統，咱們就能利用人類圍棋大師的套路對計算機進行訓練，並使其經過與本身對弈獲得強化。本文中，咱們講介紹一種全新的僅須要自我強化深度學習算法，從而使得計算機在訓練時不須要藉助人類對弈數據和人爲指導修正。AlphaGo 成爲了她本身的老師：咱們經過訓練神經網絡，使其可以預測 AlphaGo 自身的落子，並打敗現有的 AlphaGo。這種神經網絡大幅提升了樹形檢索算法的效率，使其在下一次迭代中能得到更高的棋力以及更強大的自我訓練水平。因爲加入了 tabula rasa 的放空環節，全新的 AlphaGo Zero 得到了全面壓倒人類的能力，先前打敗人類冠軍的 AlphaGo 版本，在 AlphaGo Zero 面前連敗 100 局。

原文地址：https://www.nature.com/nature...

2、計算機視覺中的卷積神經網絡

咱們爲你準備了斯坦福大學 2017 年最新的有關計算機視覺課程，包含完整的課程錄像和課件 PDF 下載。想要獲取最專業的卷積神經網絡知識？

原文地址：http://vision.stanford.edu/te...

3、深度學習神經網絡概述

近兩年，深度學習神經網絡在物體識別和機器學習領域的各項競賽中屢獲佳績。這篇歷史綜述詳細地總結了過去的一千年中人們對於相關領域的研究。從古至今，有許多人投身於這項研究之中，而只有其中一部分人所作的具備必定的深度。而斷定這些調查是否具備深度的一個標準就是他們的信用分配路徑的深度，這些路徑是連接現象和效果之間的重要關聯。做者在本文中爲你們覆盤了深度監督學習、無監督學習、強化式學習和進化算法，以及一些間接關於大型深度學習網絡的調研。

原文地址：https://arxiv.org/pdf/1404.78...

4、LSTMs 在人類行爲識別中的應用

與那些傳統的實現途徑相比，同時使用 RNN 和 LSTMs 僅須要極少許的特徵標註工程，甚至能夠徹底放棄。大量數據能直接被倒入深度學習神經網絡，而神經網絡則會正確地規範這些問題，就黑匣子同樣。與之相比，其它關於行爲識別數據集的研究須要大量的特徵標註，這更像是一個信號處理流程加上傳統數據科學技術。而使用了 LSTMs 就會讓一切變得簡單。

原文地址：https://github.com/guillaume-...

5、八千萬張圖片數據集

看了這麼多技術乾貨，是時候實踐一次了。咱們爲你準備了一個多達八千萬張圖片的數據集，但願能對你的研究有所幫助。

原文地址：http://groups.csail.mit.edu/v...

若是文章內容讓你受益不淺，請動動手指爲做者點贊，得到最多點贊數的做者，將在每期結束入選「NewTech 觀察圈元老會」。

－－－－－想要成爲技術大牛？歡迎添加 微信：pr836733262 勾搭牛小七，拉你進羣交流，和大牛共話 AI。