Referencias de redes neuronales (libros de texto, cursos en línea) para principiantes

Quiero aprender redes neuronales. Soy un lingüista computacional. Conozco enfoques estadísticos de aprendizaje automático y puedo codificar en Python.

Estoy buscando comenzar con sus conceptos y conocer uno o dos modelos populares que pueden ser útiles desde una perspectiva de Lingüística Computacional.

Navegué por la web como referencia y encontré algunos libros y materiales.

• Ripley, Brian D. (1996) Reconocimiento de patrones y redes neuronales, Cambridge

• Bishop, CM (1995) Redes neuronales para el reconocimiento de patrones, Oxford: Oxford University Press.

• algunos enlaces, como esta tesis , estas notas del curso (Departamento de Psicología de la Universidad de Toronto), estas notas del curso (University of Wisconsin Computer Science) y esta presentación de diapositivas (Facebook Research).

Los cursos de Coursera son generalmente buenos, si alguien sabe algo relevante de ellos. Prefiero materiales con lenguaje lúcido y ejemplos abundantes.

¡Estás de suerte! Hay una increíble cantidad de recursos disponibles en este momento. En particular, podrías mirar:

• un curso Coursera que comienza pronto
• un libro de texto en línea recientemente publicado por algunos de los líderes en el campo (Goodfellow, Bengio y Courville)
• estas notas de clase y esta descripción general , que están más orientadas hacia el procesamiento del lenguaje natural
• un conjunto de publicaciones de blog con hermosas visualizaciones de Chris Olah
• Dos kits de herramientas bien soportados con interfaces de Python y tutoriales en línea: Tensorflow y Theano

Referencias principales:

Cursos sobre aprendizaje profundo:

• El curso de Andrew Ng sobre aprendizaje automático tiene una buena sección introductoria sobre redes neuronales.
• Curso de Geoffrey Hinton: Redes neuronales de Coursera para el aprendizaje automático (otoño de 2012)
• Libro gratuito de Michael Nielsen Redes neuronales y aprendizaje profundo
• Yoshua Bengio, Ian Goodfellow y Aaron Courville escribieron un libro sobre aprendizaje profundo (2016)
• Curso de Hugo Larochelle (videos + diapositivas) en la Universidad de Sherbrooke
• Tutorial de Stanford (Andrew Ng et al.) Sobre aprendizaje de características no supervisadas y aprendizaje profundo
• Curso de Oxford ML 2014-2015
• Curso de aprendizaje profundo de NVIDIA (verano de 2015)
• Curso de aprendizaje profundo de Google sobre Udacity (enero de 2016)

Orientado a PNL:

• Stanford CS224d: Aprendizaje profundo para el procesamiento del lenguaje natural (primavera de 2015) por Richard Socher
• Tutorial impartido en NAACL HLT 2013: aprendizaje profundo para el procesamiento del lenguaje natural (sin magia) (videos + diapositivas)

Orientado a la visión:

• CS231n Redes neuronales convolucionales para el reconocimiento visual por Andrej Karpathy (una versión anterior, más corta y menos pulida: la guía del pirata informático a las redes neuronales ).

Tutoriales específicos del kit de herramientas:

• DL4J (Java): http://deeplearning4j.org/documentation.html
• Theano (Python, Y. Bengio): http://deeplearning.net/
• Aprendizaje automático con Torch7 (Lua, LeCun): http://code.madbits.com/wiki/doku.php
• H2O Deep Learning (Java): http://0xdata.com/product/deep-learning/
• Caffee (C ++, UCB): http://caffe.berkeleyvision.org/
• Curso de aprendizaje profundo de Nervana

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

http://neuralnetworksanddeeplearning.com/

Este ha sido mi recurso favorito. Comenzó con el curso de aprendizaje automático de Stanford, pero prefiere leer sobre las conferencias. Especialmente porque las lecturas están basadas en ejemplos.

https://coorsy.com/topics/artificial-neural-network/for-beginners

Puede explorar cursos en línea de muchos proveedores de cursos aquí. También le sugiero que mire los temas relacionados allí.

Las redes neuronales y el aprendizaje profundo son un punto de partida accesible .

Neural Networks and Deep Learning es un libro en línea gratuito. El libro te enseñará sobre:

Redes neuronales, un hermoso paradigma de programación inspirado biológicamente que permite que una computadora aprenda de datos observacionales Aprendizaje profundo, un poderoso conjunto de técnicas para aprender en redes neuronales Las redes neuronales y el aprendizaje profundo actualmente brindan las mejores soluciones para muchos problemas en reconocimiento de imagen, habla reconocimiento y procesamiento del lenguaje natural. Este libro le enseñará muchos de los conceptos centrales detrás de las redes neuronales y el aprendizaje profundo.

Para un aprendizaje rápido, elegiría:

Esta conferencia de aprendizaje profundo del gran profesor-investigador Nando de Freitas: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Para la comprensión práctica de la teoría de programación en Python, este material de Andrej Karpathy: http://cs231n.github.io/

Y para PNL: https://arxiv.org/abs/1510.00726

http://yerevann.com/a-guide-to-deep-learning/

Esto le da una buena guía en su viaje de aprendizaje profundo.