中階 · 免費公開

Deep Learning 深度學習（含 ML 對照與框架）

雙語教材 · 聯絡 psyche@mail.grokbot.com

初學貼士

初學貼士

  • 先 Python＋Algorithm，再碰深度學習。
  • 表格→Scikit-learn；影像／大網→PyTorch／TF。
  • 無 GPU 用 Colab。

課節進度

開始學習吧！勾選完成的課節。

0% 完成（0／7 課節）

  • 11. ML vs DL
  • 22. Scikit-learn
  • 33. TensorFlow
  • 44. PyTorch
  • 55. Keras
  • 66. 學習順序
  • 77. 總連結

提示：點擊課節即可標記／取消（存於本機）。

一句話：機器學習（ML）用資料學規律；深度學習（DL）是 ML 的一支，用多層神經網路自動學特徵。

1. 機器學習 vs 深度學習（務必分清）

面向 機器學習（ML） 深度學習（DL）
關係 大範圍：含決策樹、SVM、聚類、線性模型等 ML 的子領域：多層神經網路
特徵 常需人工特徵工程 常從原始資料學特徵
資料量／算力 中小資料也能有效；CPU 常夠用 通常要更多資料與 GPU／TPU
典型工具 Scikit-learn、XGBoost、Spark MLlib PyTorch、TensorFlow、Keras
何時用 表格預測、基線、可解釋性 影像／語音／NLP／多模態

記住：所有 DL 都是 ML；不是所有 ML 都是 DL。

大數據 ML 見 Spark＋MLlib；LLM 見 AI Engineer。

2. Scikit-learn（經典 ML 首選）

  • 分類／迴歸／聚類、Pipeline、交叉驗證、指標。
  • 適合表格基線；非深度網主力。
  • 先練 fit／predict／split／Pipeline。
Scikit-learn官方文件與教學 Getting Started10 分鐘上手 User Guide完整使用指南 GitHub原始碼

3. TensorFlow（生產／跨平台 DL）

  • SavedModel／Serving／TFLite 部署成熟。
  • 現多以 Keras API 建模型。
TensorFlow官網 Tutorials官方教學 Install安裝（含 GPU） GitHub原始碼

4. PyTorch（研究／實作常用）

  • 動態圖；論文／開源／LLM 微調常用。
  • 學 Tensor、Autograd、nn.Module、DataLoader。
PyTorch官網與安裝選擇器 Tutorials官方教學 DocsAPI 文件 GitHub原始碼

5. Keras（高階 API，預設跑在 TensorFlow）

  • Sequential／Functional 快速堆層；適合入門。
  • 現為 tf.keras；以官方文件為準。
Keras.io官方指南與範例 TF Guide · KerasTensorFlow 內的 Keras Getting started安裝與第一個模型 GitHub原始碼

6. 建議學習順序

  1. Python → Algorithm
  2. Scikit-learn 基線
  3. 擇一：PyTorch 或 TF＋Keras
  4. Colab 跑教學 → GitHub
  5. AI Engineer／Spark MLlib

← 首頁

課程完成標記

登入會員後可將整門課標記完成並同步至儀表板。