EmbraceLife / shendusuipian

To know stats by heart
287 stars 70 forks source link
deeplearning financial-markets probability python setup statistics

深度碎片的学习历程,方向与特质

坚持深耕fast.ai,以Jeremy Howard, Rachel Thomas为榜样,致力成为优秀的深度学习教育者
Rooted with fast.ai, and strive to become an excellent DL educator like Jeremy and Rachel!


Jan 22 2019 开始

学习焦点:fast.ai


Dec 17 2018 - Jan 2019

学习方向

学习目标

学习方法

当前积极推进的项目

已完成项目

以下是2018.6之前完成的一些有代表性的视频作品

较受欢迎的视频专辑作品

图解机器学习的数学基础(线性代数,微积分,PCA)
图解CNN系列论文(第二轮)
吴恩达机器学习(全)
吴恩达深度学习课程(5课全完结):掰开揉碎版
一句话的机器学习深度学习 (复习深度学习核心概念)

前沿论文深度剖析(2017年,对这篇论文刚刚”出炉“,做了细致学习)

读论文:AlignedReID (更新了Q&A)视频专辑

探索公众普及型视频作品

讲给路人听的深度学习
算法的人生启示
机器是如何获得人类的能力的

受欢迎的知乎回答

如何看懂深度学习论文里的数学原理部分?
为什么说regularization是缓解overfitting的好办法?

中断的项目

分析原因:

图解Bishop的模式识别和机器学习
图解Murphy的概率机器学习
图解Sutton的强化学习
图解深度学习花书

更多视频作品和文字整理,可在下文历史记录中查看


2018.10-11 (迷茫期)

机器学习和深度学习方向的学习和问答暂停了,这里有一个Farewell小总结


2018.9以前

专注方向

数学建模,Agent-based modeling, Netlogo Programming

自制视频

NetLogo建模课程初探


2018.7以前

如何一起学习

如何学习,如何一起探讨问题 (notes and video)

专注的方向

概率与统计的直觉 (Now)

微积分的直觉 (Later)

笔记视频积累

Bayes' Theorem visual guide (notes and videos)

  • very easy and intuitive introduction to bayes' theorem

Cartoon guide to statistics (notes and videos)

  • my first attempt to link all ideas of statistics cover in a 10 week stats course for first-year Undergraduates

Statistics by CrashCourse (notes)

  • brilliant video series to introduce 10-week-long statistical concepts intuitively and visually

Harvard Fat Chance (course videos, my notes videos)

Harvard Statistics for Life Sciences Specialization (course videos, my notes) Just started

早期概率视频专辑

zurich intuitive probability (前28个视频)

叶丙成概率公开课


2018.5 以前

持续学习的原动力

让那些束之高阁但充满魅力的论文和教材里的知识,能用普通人的语言来讲述和理解;

在知乎上做的有关机器深度学习的问答 (努力做到直观简洁,将前提知识与概念要求降到最低)

3blue1brown的神经网络学习笔记 (更早期的学习)

讲给路人听的深度学习 (早期视频系列尝试)

算法的人生启示 (近期视频系列尝试)

机器是如何获得人类的能力的 (近期的努力)

专注方向

主流核心的机器学习,深度学习,强化学习的概念,原理和算法模型(专注理解力基本功的打磨)

从0开始学习,对机器(深度)学习构建了一定程度的系统认知

将海外优质深度学习,机器学习课程,深度解剖,制作成图解视频笔记系列,力求更直观简洁的,让普通人听得懂的解读

迭代1:吴恩达深度学习(全)

迭代2:李宏毅深度学习

迭代3:吴恩达机器学习(全)

迭代4:一句话的机器学习深度学习 (复习深度学习核心概念)

从恐惧到细致深入解读机器(深度)学习论文

通过图解论文视频系列,剖析经典和前沿论文中的算法和模型创新,用更直观简洁的理解,让普通人也能了解模型原理和熟悉前沿动态;

论文早期系列解读

2017年做的一篇刚出炉的前沿论文解读

近期重读经典论文

具备理解机器学习和深度学习课程与论文所需数学基础

通过图解视频系列,解读了机器学习所需的概率论,线性代数,微积分直观理解,

3blue1brown的线代概念学习笔记 (早期尝试)

图解叶丙成概率公开课

图解机器学习的数学基础(线性代数,微积分,PCA)

长期学习项目

图解困扰大多数学习者的经典机器学习教科书 (难度较大,缓慢更新)

图解Bishop的模式识别和机器学习

图解Murphy的概率机器学习

图解Sutton的强化学习

图解深度学习花书

中短期学习项目

构建全面深入的对概率统计,线代微积分的直观理解 (大部分精力所在)

图解概率:逐步构建概率的直觉

线性代数与微积分的直觉:MIT数学课程学习笔记

图解bridgewater研报

机器是如何获得人类的能力的

代码能力

python源码能力

搭建工作平台

具备深度解读pytorch源代码能力

具备解读chainer源码能力

具备熟练使用keras, tensorflow写交易模型的能力

简单版模型及视频分享 (早期摸索,模型表现不好)

复杂交易模型及可视化代码 (1年前的代码,没有近期维护)

(近期代码不是学习重点,有些生疏;目前无力做代码方面的视频工作和问答)

尝试帮助的人群

为企业定制机器(深度)学习培训课程,帮助实现产品中的机器(深度)学习的模型,算法,技巧,概念,能在客户,产品经理,研发人员,决策者之间实现高效准确直观的理解和沟通。

产品经理的机器(深度)学习图解手册 希望能为公司和产品经理定制基于产品的机器学习和深度学习课程

机器是如何获得人类的能力的 希望帮助非专业人士直观理解主流深度学习模型的工作原理

图解bridgewater研报 希望参与市场模型理论研究和量化对冲产品研发

个性特点

保持高度的危机感,同理心,沟通协调意识;

努力用GD+adagrad, RMSprop, Momentum的原则做好每天的积累;

有莫名强烈的将飘在云端傲视人世的科学成果打入人间的执念;

有探索直觉直观理解高深论文和课程的执念;

有包容paradox心智;

有从哲学,历史,社会角度理解科学原理的原始直觉instinct;