[译]《Deep Learning With Python Mini Course》 Before get started …

特殊声明：本人翻译的作品，版权归 原作者所有 Copyright © 2017 Jason Brownlee.

序

最近找了一本深度学习的电子书，不过是全英文的，于是就打算自己翻译一遍，同时发布出来，方便他人使用。由于本人英语不是很好，且刚入门深度学习，其中术语如果翻译错误，请指出。

内容

开始之前…

深度学习是一个令人着迷的研究领域，而且这些技术在一系列具有挑战性的机器学习问题中取得了世界级的成果。开始深度学习是很困难的。学习深度学习过程中，哪些库应该使用，哪些技术应该关注?

在这14个部分的速成课程中，你将会学习在Python中应用容易使用且强大的Keras库的方法进行深度学习。这个迷你课程是为Python机器学习实践者而准备，他们已经习惯了scikit-learn在SciPy开发环境上学习机器学习。那就让我们开始吧。

这是一个很长而且有用的指南。你可能需要把它打印出来。

这个迷你课程是为谁准备的？

在我们开始之前，确保你是在正确的地方。下面的列表为这门课程的设计提供了一些一般性的指导。如果你不完全匹配这些要点，不必惊慌，你可能只需要复习一下一个方面或另一方面的知识来跟上。

• 知道如何编写代码的开发人员。 这意味着它不是一个大的任务，你可以使用Python完成任务，知道如何在你的工作站上安装SciPy开发环境（先决条件）。 它并不意味着你是一个向导编码器，但这意味着你不必害怕安装代码包和写脚本。
• 了解机器学习的开发人员。这意味着你了解机器学习的基础知识，如交叉验证，一些算法和偏差变换。 这并不意味着你是一个机器学习博士，你只需要知道其标志，或者知道在哪里查找它们。

这个迷你课程并不是一本关于深度学习的教科书。它将把你从一个了解一点Python机器学习的开发人员带到一个能够得到结果并将深度学习的能力带到你自己项目的开发人员。

迷你课程概览（期望什么）

这个迷你课程分为14个部分。 每节课都会让普通的开发者花费大约30分钟的时间。 你可能会早一些完成一部分，其他的你可以选择更深入，花更多的时间钻研。 你可以尽快或尽可能慢地完成每个部分。 一个舒适的时间表应该是在两周内，每天完成一堂课。 强烈推荐。 接下来的14节课涵盖的主题如下：

•  Lesson 1: Theano简介.
• ˆ Lesson 2: TensorFlow简介.
•  Lesson 3: Keras简介.
• ˆ Lesson 4: 多层感知器.
• ˆ Lesson 5: 用Keras开发你的第一个神经网络.
• ˆ Lesson 6: 使用Scikit-Learn的Keras模型.
• ˆ Lesson 7: 绘制模型的训练历史.
• ˆ Lesson 8: 在检查点训练期间保存最佳模型.ˆ
•  Lesson 9: 通过压差正则化减少过度配合.
•  Lesson 10: 提升学习进度计划的表现.
• ˆ Lesson 11: 卷积神经网络.
• ˆ Lesson 12: 手写数字识别.
• ˆ Lesson 13: 小照片中的对象识别.
• ˆ Lesson 14: 改进数据增强的泛化.

这将是非常有趣的是。 你将不得不做一些工作，一点点阅读，一点研究和一点编程。 你想学好深度学习吗？

这里有一个提示：所有这些课程的答案可以在这个博客上找到 http://MachineLearningMastery.com. 要善于使用使用搜索功能.

坚持下去，不要放弃!

如果你想让我详细介绍每一堂课（或更多），请看看我的书 : Deep Learning With Python:

学习更多: https://machinelearningmastery.com/deep-learning-with-python

声明

版权归本书的原作者，我的翻译只是方便自己学习。

如有错误，敬请指出，谢谢阅读。                –2017-12-08  22:35:30