要开始深度学习，我们需要培养一些基本技能。所有机器学习都与从数据中提取信息有关。因此，我们将从学习存储、操作和预处理数据的实用技能开始。

此外，机器学习通常需要处理大型数据集，我们可以将其视为表格，其中行对应于示例，列对应于属性。线性代数为我们提供了一组强大的处理表格数据的技术。我们不会深入杂草，而是关注矩阵运算的基础及其实现。

此外，深度学习都是关于优化的。我们有一个带有一些参数的模型，我们希望找到最适合我们数据的模型。在算法的每一步确定每个参数的移动方式需要一点微积分，下面将简要介绍。幸运的是，这个autograd包会自动为我们计算微分，我们接下来会介绍它。

接下来，机器学习关注的是做出预测：给定我们观察到的信息，某个未知属性的可能值是多少？为了在不确定性下进行严格的推理，我们需要使用概率语言。

最后，官方文档提供了大量本书之外的描述和示例。在本章结束时，我们将向您展示如何查找文档以获取所需信息。

本书将数学内容保持在最低限度，以正确理解深度学习。然而，这并不意味着这本书是免费的数学。因此，本章提供了对基本和常用数学的快速介绍，以使任何人至少能够理解本书的大部分数学内容。如果你想了解所有的数学内容，进一步阅读关于数学的在线附录就足够了。

2.1。数据处理
2.1.1。入门
2.1.2. 运营
2.1.3。广播机制
2.1.4。索引和切片
2.1.5。节省内存
2.1.6。转换为其他 Python 对象
2.1.7。概括
2.1.8。练习
2.2. 数据预处理
2.2.1。读取数据集
2.2.2。处理缺失数据
2.2.3。转换为张量格式
2.2.4。概括
2.2.5。练习
2.3. 线性代数
2.3.1。标量
2.3.2. 矢量图
2.3.3。矩阵
2.3.4。张量
2.3.5。张量算术的基本性质
2.3.6。减少
2.3.7。点积
2.3.8。矩阵向量积
2.3.9。矩阵-矩阵乘法
2.3.10。规范
2.3.11。更多关于线性代数
2.3.12。概括
2.3.13。练习
2.4. 结石
2.4.1。衍生物和微分
2.4.2. 偏导数
2.4.3。渐变
2.4.4。链式法则
2.4.5。概括
2.4.6。练习
2.5. 自动微分
2.5.1。一个简单的例子
2.5.2. 非标量变量的后退
2.5.3. 分离计算
2.5.4。计算 Python 控制流的梯度
2.5.5。概括
2.5.6。练习
2.6. 可能性
2.6.1。基本概率论
2.6.2. 处理多个随机变量
2.6.3. 期望和方差
2.6.4。概括
2.6.5。练习
2.7. 文档
2.7.1。查找模块中的所有函数和类
2.7.2. 查找特定函数和类的用法
2.7.3. 概括
2.7.4. 练习

参考

https://d2l.ai/chapter_preliminaries/index.html

翻译: 2深度学习的基础技能概览相关推荐

关于图计算图学习的基础知识概览：前置知识点学习（PGL）[系列一]
关于图计算&图学习的基础知识概览:前置知识点学习(Paddle Graph Learning (PGL)) 0.1图计算基本概念首先看到百度百科定义: 图计算(Graph Processin ...
零基础学习深度学习_深度学习的基础！！！
零基础学习深度学习 The ability to learn from experience and perform better when confronted with similar chall ...
深度学习机器学习基础_实用的机器学习基础
深度学习机器学习基础 This article describes my attempt at the Titanic Machine Learning competition on Kaggle. ...
【深度学习入门基础】二、简单理解 Transformer
[深度学习入门基础]二.简单理解 Transformer 文章目录 [深度学习入门基础]二.简单理解 Transformer 自注意力层多头注意力 Transformer 输入(输出)嵌入位置编码 ...
A.关于图计算图学习的基础知识概览：前置知识点学习（Paddle Graph L）【一】
图学习图神经网络算法专栏简介:主要实现图游走模型(DeepWalk.node2vec):图神经网络算法(GCN.GAT.GraphSage),部分进阶 GNN 模型(UniMP标签传播.ERNIESa ...
《繁凡的深度学习笔记》前言、目录大纲一文让你完全弄懂深度学习所有基础（DL笔记整理系列）
<繁凡的深度学习笔记>前言.目录大纲 (DL笔记整理系列) 一文弄懂深度学习所有基础 ! 3043331995@qq.com https://fanfansann.blog.csdn.ne ...
深度学习的基础知识（机器学习、损失函数、梯度下降、反向传播、基础模型一网打尽）
1.预备信息 1.1了解技术的发展阶段技术一般存在几个阶段:1.发展期.2.高峰期.3.冰河期.4.应用期就是先达到一个高峰,但是在达到高峰之后就会被发现很多问题,然后热度就会不断地下降,到达一个 ...
【深度学习入门基础】一、从线性代数和微积分的角度看神经网络
[深度学习入门基础]从线性代数和微积分的角度看神经网络这是深度学习入门系列文章,我们企图用最简洁的语言.最干净的表达,让读者快速获取到他所想要的.本系列文章持续更新.一些网上能查到的基础知识,诸如激 ...
计算机视觉面试宝典--深度学习机器学习基础篇（四）
计算机视觉面试宝典–深度学习机器学习基础篇(四) 本篇主要包含SVM支持向量机.K-Means均值以及机器学习相关常考内容等相关面试经验. SVM-支持向量机支持向量机(support vector ...
STM32运行深度学习指南基础篇(3)(STM32CubeMX.AI+Tensorflow)
STM32运行深度学习指南基础篇(3)(STM32CubeMX.AI+Tensorflow) 在上一篇文章中我们已经有训练好的tflite模型,接下来我们要在Clion中实现,如果是Keil的朋友可以 ...

翻译: 2深度学习的基础技能概览

参考

翻译: 2深度学习的基础技能概览相关推荐

最新文章

热门文章

翻译: 2深度学习的基础技能 概览

参考

翻译: 2深度学习的基础技能 概览相关推荐

最新文章

热门文章

翻译: 2深度学习的基础技能概览

翻译: 2深度学习的基础技能概览相关推荐