散文網(wǎng) » 科技 »學習 » ApacheCN 人工智能知識樹 v1.0

ApacheCN 人工智能知識樹 v1.0

2019-05-18 23:27 作者:絕不原創(chuàng)的飛龍 0人讀過 | 我要投稿

貢獻者：飛龍（t.cn/R4TanTd）

版本：v1.0

最近總是有人問我，把 ApacheCN 這些資料看完一遍要用多長時間，如果你一本書一本書看的話，的確要用很長時間。但我覺得這是非常麻煩的，因為每本書的內(nèi)容大部分是重復(fù)的，有些不重復(fù)的內(nèi)容你也不好找。為了方便大家，我就把每本書的章節(jié)拆開，再按照知識點合并，手動整理了這個知識樹。大家可以按照知識點依次學習，如果理解了一個知識點，就沒必要看其余文章，直接跳到下一個就行了。

統(tǒng)計機器學習

基礎(chǔ)知識

AILearning 第1章_基礎(chǔ)知識（t.cn/EKDr3IR）
CS229 中文筆記一、引言（t.cn/EKDr39i）
CS229 中文筆記三、線性代數(shù)回顧（t.cn/EKDr39i）
機器學習基石 1 – The Learning Problem（t.cn/EaiDTuS）
機器學習基石 2 – Learning to Answer Yes/No（t.cn/EKDr33w）
機器學習基石 3 – Types of Learning（t.cn/EXJXCJd）
機器學習基石 4 – Feasibility of Learning（t.cn/EKDr1co）
機器學習基石 6 – Theory of Generalization（t.cn/EKDr1CY）
機器學習基石 7 – The VC Dimension（t.cn/EKDr1Eo）
機器學習基石 8 – Noise and Error（t.cn/EKDr1kZ）
機器學習基石 16 – Three Learning Principles（t.cn/E613P7O）
寫給人類的機器學習一、為什么機器學習重要（t.cn/EiE6CWh）
SciPyCon 2018 sklearn 教程一、Python 機器學習簡介（t.cn/EKDrBlv）
SciPyCon 2018 sklearn 教程二、Python 中的科學計算工具（t.cn/EKDrB18）
SciPyCon 2018 sklearn 教程九、sklearn 估計器接口回顧（t.cn/EXSo8Nh）
SciPyCon 2018 sklearn 教程十五、估計器流水線（t.cn/EKDrrGf）
數(shù)據(jù)科學和人工智能技術(shù)筆記一、向量、矩陣和數(shù)組（t.cn/EXrpSsy）
Sklearn 學習指南第一章：機器學習 - 溫和的介紹（t.cn/EKDrrjj）

線性回歸/邏輯回歸/softmax 回歸

AILearning 第5章_邏輯回歸（t.cn/EKDrrdn）
AILearning 第8章_回歸（t.cn/EKDrd2s）
CS229 中文筆記二、單變量線性回歸（t.cn/EKDrd2s）
CS229 中文筆記四、多變量線性回歸（t.cn/EKDrdx5）
CS229 中文筆記六、邏輯回歸（t.cn/EKDrdx5）
DLAI 深度學習筆記第一門課第二周：神經(jīng)網(wǎng)絡(luò)的編程基礎(chǔ)（t.cn/EKDrdp0）
機器學習基石 9 – Linear Regression（t.cn/EqEk0hr）
機器學習基石 10 – Logistic Regression（t.cn/EKDrgh5）
機器學習基石 11 – Linear Models for Classification（t.cn/EKDrgqx）

機器學習基石 12 – Nonlinear Transformation（t.cn/Ea68Mg5）

機器學習技法 5 – Kernel Logistic Regression（t.cn/EKDrgHU）
Scikit-learn 秘籍第二章處理線性模型（t.cn/EiYeoce）
Scikit-learn 秘籍第四章使用 scikit-learn 對數(shù)據(jù)分類（t.cn/EimLn37）
PythonProgramming.net?系列教程第一部分回歸（t.cn/EKDreby）
寫給人類的機器學習 2.1 監(jiān)督學習（t.cn/EiHYiZH）
寫給人類的機器學習 2.2 監(jiān)督學習 II（t.cn/EXSiWZD）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第5章　挖掘建模（t.cn/EKDreua）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第13章　財政收入影響因素分析及預(yù)測模型（t.cn/EKDrDwM）
與 TensorFlow 的初次接觸 2. TensorFlow 中的線性回歸（t.cn/EKDrDIl）
SciPyCon 2018 sklearn 教程五、監(jiān)督學習第一部分：分類（t.cn/EKDrD0m）
SciPyCon 2018 sklearn 教程六、監(jiān)督學習第二部分：回歸分析（t.cn/E54pZF9）
SciPyCon 2018 sklearn 教程十七、深入：線性模型（t.cn/E6nsRlE）
數(shù)據(jù)科學和人工智能技術(shù)筆記十一、線性回歸（t.cn/Ei1TF9K）
數(shù)據(jù)科學和人工智能技術(shù)筆記十二、邏輯回歸（t.cn/Eq353ev）
Sklearn 學習指南第二章：監(jiān)督學習（t.cn/EKDrkWP）

決策樹/隨機森林

AILearning 第3章_決策樹算法（t.cn/EKDrkr6）
AILearning 第9章_樹回歸（t.cn/EKDrF7j）
機器學習技法 9 – Decision Tree（t.cn/EKDrF58）
機器學習技法 10 – Random Forest（t.cn/EXr300n）
Scikit-learn 秘籍第四章使用 scikit-learn 對數(shù)據(jù)分類（t.cn/EXr300n）
寫給人類的機器學習 2.3 監(jiān)督學習 III（t.cn/E5P0jKX）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第5章　挖掘建模（t.cn/E5P0jKX）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第6章　電力竊漏電用戶自動識別（t.cn/EKDrFBi）
SciPyCon 2018 sklearn 教程十八、深入：決策樹與森林（t.cn/EKDrsZQ）
數(shù)據(jù)科學和人工智能技術(shù)筆記十三、樹和森林（t.cn/E65shfH）
Sklearn 學習指南第二章：監(jiān)督學習（t.cn/E65shfH）

GDBT/XGBoost

機器學習技法 11 – Gradient Boosted Decision Tree（t.cn/EKDrs00）

樸素貝葉斯

AILearning 第4章_樸素貝葉斯（t.cn/EKDdvwU）
Scikit-learn 秘籍第四章使用 scikit-learn 對數(shù)據(jù)分類（t.cn/EKDdvwU）
數(shù)據(jù)科學和人工智能技術(shù)筆記十六、樸素貝葉斯（t.cn/EXBFcLc）
Sklearn 學習指南第二章：監(jiān)督學習（t.cn/EXBFcLc）

支持向量機

AILearning 第6章_支持向量機（t.cn/EKDdvai）
AILearning 支持向量機的幾個通俗理解（t.cn/EKDdvHr）
CS229 中文筆記十二、支持向量機（t.cn/EKDdPvX）
機器學習技法 1 – Linear Support Vector Machine（t.cn/EtuOLEq）
機器學習技法 2 – Dual Support Vector Machine（t.cn/EKDdPSy）
機器學習技法 3 – Kernel Support Vector Machine（t.cn/EaLXrFI）
機器學習技法 4 – Soft-Margin Support Vector Machine（t.cn/EKDdP1V）
機器學習技法 6 – Support Vector Regression（t.cn/E5v1DVr）
Scikit-learn 秘籍第四章使用 scikit-learn 對數(shù)據(jù)分類（t.cn/E5v1DVr）
PythonProgramming.net?系列教程第二部分分類（t.cn/EKDdhGq）
寫給人類的機器學習 2.2 監(jiān)督學習 II（t.cn/EKDdhGq）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第9章　基于水色圖像的水質(zhì)評價（t.cn/EKDdhCd）
數(shù)據(jù)科學和人工智能技術(shù)筆記十五、支持向量機（t.cn/EXgijAk）
Sklearn 學習指南第二章：監(jiān)督學習（t.cn/EXgijAk）

K 近鄰

AILearning 第2章_K近鄰算法（t.cn/EKDd7hZ）
Scikit-learn 秘籍第三章使用距離向量構(gòu)建模型（t.cn/Ei8KDE0）
PythonProgramming.net?系列教程第二部分分類（t.cn/Ei8KDE0）
寫給人類的機器學習 2.3 監(jiān)督學習 III（t.cn/Ei8KDE0）
SciPyCon 2018 sklearn 教程五、監(jiān)督學習第一部分：分類（t.cn/Ei8KDE0）
SciPyCon 2018 sklearn 教程六、監(jiān)督學習第二部分：回歸分析（t.cn/Ei8KDE0）
數(shù)據(jù)科學和人工智能技術(shù)筆記十四、K 最近鄰（t.cn/Ea6GyM5）

KMeans

AILearning 第10章_KMeans聚類（t.cn/EKDd76n）
CS229 中文筆記十三、聚類（t.cn/EKDd7la）
Scikit-learn 秘籍第三章使用距離向量構(gòu)建模型（t.cn/EKDd7la）
PythonProgramming.net?系列教程第三部分聚類（t.cn/EKDd7eO）
寫給人類的機器學習三、無監(jiān)督學習（t.cn/EVk3AUH）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第5章　挖掘建模（t.cn/EVk3AUH）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第7章　航空公司客戶價值分析（t.cn/EKDdzMS）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第8章　中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘（t.cn/EKDdzpx）
與 TensorFlow 的初次接觸 3. TensorFlow 中的聚類（t.cn/EKDdzBq）
SciPyCon 2018 sklearn 教程八、無監(jiān)督學習第二部分：聚類（t.cn/EaCn37V）
TensorFlow 學習指南三、學習（t.cn/EqEwnUg）
數(shù)據(jù)科學和人工智能技術(shù)筆記十七、聚類（t.cn/EKDdZpf）
Sklearn 學習指南第三章：無監(jiān)督學習（t.cn/EKDdZ1z）

均值移動

PythonProgramming.net?系列教程第三部分聚類（t.cn/EKDdZ1z）
數(shù)據(jù)科學和人工智能技術(shù)筆記十七、聚類（t.cn/EKDdZ1z）
Sklearn 學習指南第三章：無監(jiān)督學習（t.cn/EKDdZ1z）

層次聚類

寫給人類的機器學習三、無監(jiān)督學習（t.cn/EKDdZ1z）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第14章　基于基站定位數(shù)據(jù)的商圈分析（t.cn/EKDdwZ8）
SciPyCon 2018 sklearn 教程二十、無監(jiān)督學習：層次和基于密度的聚類算法（t.cn/Eidq7k9）
數(shù)據(jù)科學和人工智能技術(shù)筆記十七、聚類（t.cn/Eidq7k9）
Sklearn 學習指南第三章：無監(jiān)督學習（t.cn/Eidq7k9）

DBSCAN

SciPyCon 2018 sklearn 教程二十、無監(jiān)督學習：層次和基于密度的聚類算法（t.cn/Eidq7k9）
數(shù)據(jù)科學和人工智能技術(shù)筆記十七、聚類（t.cn/Eidq7k9）

高斯混合

Scikit-learn 秘籍第三章使用距離向量構(gòu)建模型（t.cn/Eidq7k9）
Sklearn 學習指南第三章：無監(jiān)督學習（t.cn/Eidq7k9）

Boosting/Bagging/Blending

機器學習技法 7 – Blending and Bagging（t.cn/EKDdwjp）

AdaBoost

AILearning 第7章_集成方法（t.cn/EKDdwBX）
機器學習技法 8 – Adaptive Boosting（t.cn/EKDdAZu）

PCA

AILearning 第13章_PCA降維（t.cn/EKDdAcd）
AILearning 第14章_SVD簡化數(shù)據(jù)（t.cn/EKDdAKA）
CS229 中文筆記十四、降維（t.cn/EKDdAKA）
寫給人類的機器學習三、無監(jiān)督學習（t.cn/EKDdAKA）
SciPyCon 2018 sklearn 教程七、無監(jiān)督學習第一部分：變換（t.cn/EKDdARc）
Sklearn 學習指南第三章：無監(jiān)督學習（t.cn/EKDdARc）

LDA

Scikit-learn 秘籍第四章使用 scikit-learn 對數(shù)據(jù)分類（t.cn/EKDdARc）

流形學習

SciPyCon 2018 sklearn 教程二十一、無監(jiān)督學習：非線性降維（t.cn/EKDdAFZ）

異常檢測

CS229 中文筆記十五、異常檢測（t.cn/EKDd2bh）
SciPyCon 2018 sklearn 教程二十二、無監(jiān)督學習：異常檢測（t.cn/EKDd2Mb）

Apriori/FP-growth

AILearning 第11章_Apriori算法（t.cn/EKDd299）
AILearning 第12章_FP-growth算法（t.cn/EKDd2uY）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第5章　挖掘建模（t.cn/EKDd2uY）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第8章　中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘（t.cn/EKDd2uY）

深度學習

基礎(chǔ)知識

DLAI 深度學習筆記第一門課第一周：深度學習引言（t.cn/EKDdLhr）
與 TensorFlow 的初次接觸 1. TensorFlow 基礎(chǔ)知識（t.cn/EKDdLc8）
TensorFlow 學習指南一、基礎(chǔ)（t.cn/EqTEUvT）

MLP

CS229 中文筆記八、神經(jīng)網(wǎng)絡(luò)：表述（t.cn/EKDdL19）
CS229 中文筆記九、神經(jīng)網(wǎng)絡(luò)的學習（t.cn/EKDdyAA）
DLAI 深度學習筆記第一門課第三周：淺層神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdy67）
DLAI 深度學習筆記第一門課第四周：深層神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdyj3）
機器學習技法 12 – Neural Network（t.cn/EKDdyeg）
機器學習技法 13 – Deep Learning（t.cn/E6BqK4e）
機器學習技法 14 – Radial Basis Function Network（t.cn/EKDdUcb）
PythonProgramming.net?系列教程第四部分神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdUNz）
寫給人類的機器學習四、神經(jīng)網(wǎng)絡(luò)和深度學習（t.cn/EqgvUUJ）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第5章　挖掘建模（t.cn/EqgvUUJ）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第6章　電力竊漏電用戶自動識別（t.cn/EqgvUUJ）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第10章　家用電器用戶行為分析與事件識別（t.cn/EKDdUsF）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第13章　財政收入影響因素分析及預(yù)測模型（t.cn/EKDdUsF）
與 TensorFlow 的初次接觸 4. TensorFlow 中的單層神經(jīng)網(wǎng)絡(luò)（t.cn/EKDd4G2）
與 TensorFlow 的初次接觸 5. TensorFlow 中的多層神經(jīng)網(wǎng)絡(luò)（t.cn/EKDd4Ng）
TensorFlow Rager 教程一、如何使用 TensorFlow Eager 構(gòu)建簡單的神經(jīng)網(wǎng)絡(luò)（t.cn/EKDd4u3）
數(shù)據(jù)科學和人工智能技術(shù)筆記十八、Keras（t.cn/Et3wSx9）

CNN

DLAI 深度學習筆記第四門課第一周卷積神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdb48）
DLAI 深度學習筆記第四門課第二周深度卷積網(wǎng)絡(luò)：實例探究（t.cn/EKDdb6c）
TensorFlow Rager 教程七、使用 TensorFlow Eager 構(gòu)建用于情感識別的卷積神經(jīng)網(wǎng)絡(luò)（CNN）（t.cn/EKDdbWk）

RNN

DLAI 深度學習筆記第五門課第一周循環(huán)序列模型（t.cn/EKDdbRL）
DLAI 深度學習筆記第五門課第三周序列模型和注意力機制（t.cn/EKDdbDq）
TensorFlow Rager 教程八、用于 TensorFlow Eager 序列分類的動態(tài)循壞神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdGL4）
TensorFlow Rager 教程九、用于 TensorFlow Eager 時間序列回歸的遞歸神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdGiS）

時間序列

第5章　挖掘建模（t.cn/EKDdGiS）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第11章　應(yīng)用系統(tǒng)負載分析與磁盤容量預(yù)測（t.cn/EKDdGTE）
TensorFlow Rager 教程九、用于 TensorFlow Eager 時間序列回歸的遞歸神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdGTE）

機器視覺

CS229 中文筆記十八、應(yīng)用實例：圖片文字識別（t.cn/EKDdGeC）
DLAI 深度學習筆記第四門課第三周目標檢測（t.cn/EKDdqUC）
DLAI 深度學習筆記第四門課第四周特殊應(yīng)用：人臉識別和神經(jīng)風格轉(zhuǎn)換（t.cn/EKDdqJH）
PythonProgramming.net?系列教程圖像和視頻分析（t.cn/EKDdqTn）
PythonProgramming.net?系列教程 TensorFlow 目標檢測（t.cn/EKDdqeZ）
數(shù)據(jù)科學和人工智能技術(shù)筆記四、圖像預(yù)處理（t.cn/EKDd5Zs）

圖嵌入/圖的表示學習

圖嵌入綜述：問題，技術(shù)與應(yīng)用第一、二章（t.cn/EKDd55Q）
圖嵌入綜述：問題，技術(shù)與應(yīng)用第三章（t.cn/EKDd5XR）
圖嵌入綜述：問題，技術(shù)與應(yīng)用 4.1 ~ 4.2（t.cn/EKDd5Wz）
圖嵌入綜述：問題，技術(shù)與應(yīng)用 4.3 ~ 4.7（t.cn/EKDdt7G）
圖嵌入綜述：問題，技術(shù)與應(yīng)用第五、六、七章（t.cn/EKDdttn）

自然語言處理

DLAI 深度學習筆記第五門課第二周自然語言處理與詞嵌入（t.cn/EKDdtK8）
PythonProgramming.net?系列教程自然語言處理教程（t.cn/EKDdtQT）
PythonProgramming.net?系列教程 TensorFlow 聊天機器人（t.cn/EKDdtDh）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第15章　電商產(chǎn)品評論數(shù)據(jù)情感分析（t.cn/EKDdc48）
TensorFlow Rager 教程七、使用 TensorFlow Eager 構(gòu)建用于情感識別的卷積神經(jīng)網(wǎng)絡(luò)（CNN）（t.cn/EKDdc48）
TensorFlow Rager 教程八、用于 TensorFlow Eager 序列分類的動態(tài)循壞神經(jīng)網(wǎng)絡(luò)（t.cn/EKDdc48）
SciPyCon 2018 sklearn 教程十一、文本特征提?。╰.cn/E5LNRIy）
SciPyCon 2018 sklearn 教程十二、案例學習：用于 SMS 垃圾檢測的文本分類（t.cn/EqErQdY）
SciPyCon 2018 sklearn 教程二十三、核外學習 - 用于語義分析的大規(guī)模文本分類（t.cn/EKDdcuj）
數(shù)據(jù)科學和人工智能技術(shù)筆記五、文本預(yù)處理（t.cn/Eqe6qLv）

強化學習

寫給人類的機器學習五、強化學習（t.cn/Eqew4zN）

預(yù)處理/特征工程

Scikit-learn 秘籍第一章模型預(yù)處理（t.cn/Ei8je1L）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第3章　數(shù)據(jù)探索（t.cn/EKDdI4x）
Python 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 第4章　數(shù)據(jù)預(yù)處理（t.cn/EKDdIM0）
TensorFlow Rager 教程四、文本序列到 TFRecords（t.cn/EKDdI92）
TensorFlow Rager 教程五、如何將原始圖片數(shù)據(jù)轉(zhuǎn)換為 TFRecords（t.cn/EKDdIRZ）
TensorFlow Rager 教程六、如何使用 TensorFlow Eager 從 TFRecords 批量讀取數(shù)據(jù)（t.cn/EKDdIrI）
SciPyCon 2018 sklearn 教程三、數(shù)據(jù)表示和可視化（t.cn/EqdXqoW）
SciPyCon 2018 sklearn 教程七、無監(jiān)督學習第一部分：變換（t.cn/EqdXqoW）
SciPyCon 2018 sklearn 教程十、案例學習：泰坦尼克幸存者（t.cn/EKDdM5b）
SciPyCon 2018 sklearn 教程十一、文本特征提?。╰.cn/EKDdM5b）
SciPyCon 2018 sklearn 教程十九、自動特征選擇（t.cn/EKDdMXL）
數(shù)據(jù)科學和人工智能技術(shù)筆記二、數(shù)據(jù)準備（t.cn/EKDdMlv）
數(shù)據(jù)科學和人工智能技術(shù)筆記三、數(shù)據(jù)預(yù)處理（t.cn/EKDdMuD）
數(shù)據(jù)科學和人工智能技術(shù)筆記四、圖像預(yù)處理（t.cn/EKDdMuD）
數(shù)據(jù)科學和人工智能技術(shù)筆記五、文本預(yù)處理（t.cn/EKDdMuD）
數(shù)據(jù)科學和人工智能技術(shù)筆記六、日期時間預(yù)處理（t.cn/EKDdxhO）
數(shù)據(jù)科學和人工智能技術(shù)筆記七、特征工程（t.cn/EXBD0oQ）
數(shù)據(jù)科學和人工智能技術(shù)筆記八、特征選擇（t.cn/EqYk4Jq）
數(shù)據(jù)科學和人工智能技術(shù)筆記十九、數(shù)據(jù)整理（上）（t.cn/EXXLwrB）
數(shù)據(jù)科學和人工智能技術(shù)筆記十九、數(shù)據(jù)整理（下）（t.cn/EKDdxur）
數(shù)據(jù)科學和人工智能技術(shù)筆記二十、數(shù)據(jù)可視化（t.cn/Et3jH1G）
Sklearn 學習指南第四章：高級功能（t.cn/EKDdJ4N）

模型評估/模型調(diào)優(yōu)

CS229 中文筆記七、正則化（t.cn/EKDdJ4N）
CS229 中文筆記十、應(yīng)用機器學習的建議（t.cn/EKDdJx8）
CS229 中文筆記十一、機器學習系統(tǒng)的設(shè)計（t.cn/EKDdJx8）
DLAI 深度學習筆記第二門課第一周：深度學習的實用層面（t.cn/EKDdJp0）
DLAI 深度學習筆記第二門課第三周超參數(shù)調(diào)試，batch正則化和程序框架（t.cn/EKDdJRI）
DLAI 深度學習筆記第三門課第一周：機器學習策略（1）（t.cn/EKDdJkA）
DLAI 深度學習筆記第三門課第二周：機器學習策略（2）（t.cn/EKDdiLa）
機器學習基石 5 – Training versus Testing（t.cn/EKDdiiK）
機器學習基石 13 – Hazard of Overfitting（t.cn/EKDdij9）
機器學習基石 14 – Regularization（t.cn/EVd0aAD）
機器學習基石 15 – Validation（t.cn/EayLCzv）
Scikit-learn 秘籍第二章處理線性模型（t.cn/EayLCzv）
Scikit-learn 秘籍第五章模型后處理（t.cn/EXSNFFD）
TensorFlow Rager 教程二、在 Eager 模式中使用指標（t.cn/EKDd6ac）
SciPyCon 2018 sklearn 教程四、訓練和測試數(shù)據(jù)（t.cn/EKDd6QO）
SciPyCon 2018 sklearn 教程十三、交叉驗證和得分方法（t.cn/Etm6UKN）
SciPyCon 2018 sklearn 教程十四、參數(shù)選擇、驗證和測試（t.cn/EKDdX5Q）
SciPyCon 2018 sklearn 教程十六、模型評估、得分指標和處理不平衡類別（t.cn/EKDdXSX）
TensorFlow 學習指南二、線性模型（t.cn/E5htzFb）
數(shù)據(jù)科學和人工智能技術(shù)筆記九、模型驗證（t.cn/EXBQ2Hx）
數(shù)據(jù)科學和人工智能技術(shù)筆記十、模型選擇（t.cn/E5UZ4lP）
Sklearn 學習指南第四章：高級功能（t.cn/E5UZ4lP）

最優(yōu)化

梯度下降

CS229 中文筆記十七、大規(guī)模機器學習（t.cn/E5UZ4lP）
DLAI 深度學習筆記第一門課第二周：優(yōu)化算法（t.cn/EKDdact）

其它

機器學習技法 16（完結(jié)） – Finale（t.cn/EKDdaCh）
CS229 中文筆記十九、總結(jié)（t.cn/EKDdaCh）
寫給人類的機器學習六、最好的機器學習資源（t.cn/EaLheHd）
與 TensorFlow 的初次接觸 6. 并行（t.cn/EKDdadI）
TensorFlow Rager 教程三、如何保存和恢復(fù)訓練模型（t.cn/EKDdSZl）
TensorFlow 學習指南四、分布式（t.cn/Eq3xZse）
數(shù)據(jù)科學和人工智能技術(shù)筆記二十一、統(tǒng)計學（t.cn/Eqew2Ck）

關(guān)于我們

我們是一個大型開源社區(qū)，旗下 QQ 群共 9000 余人，訂閱用戶至少一萬人。Github Star 數(shù)量超過 20k 個，在所有 Github 組織中排名前 200（t.cn/EKDjc21）。網(wǎng)站日?uip 超過 4k，Alexa 排名的峰值為 20k（t.cn/EKDjcKa）。我們的核心成員擁有?CSDN 博客專家（t.cn/EKDjcnJ）和簡書程序員優(yōu)秀作者（t.cn/EKDjVPK）認證。我們與Datawhale（t.cn/EKDOE3c）、AI?有道（t.cn/EKDdoXw）、黃海廣博士（t.cn/EKDdo8s）等國內(nèi)知名開源組織和大?V 合作，組織公益性的翻譯活動、學習活動和比賽組隊活動。

與商業(yè)組織不同，我們并不會追逐熱點，或者唯利是圖。作為公益組織，我們將完成項目放在首要位置，并有足夠時間把項目打磨到極致。我們希望做出廣大 AI 愛好者真正需要的東西，打造真正有價值的長尾作品。

【導(dǎo)航】ibooker.org.cn（t.cn/EKDdK7v）
【歸檔】home.apachecn.org（t.cn/EKDjfxK）
【社區(qū)】bbs.apachecn.org（t.cn/E6UmwuD）
【Github】@ApacheCN（t.cn/EKDjfDw）
自媒體平臺

微博：@ApacheCN（t.cn/EKDjI58）
知乎專欄：AILearning（t.cn/E6U3xZR）
公眾號：ApacheCN（t.cn/EKDjMm1）
CSDN（t.cn/EKDjI3g）?| 博客園（t.cn/EKDjMAK）?| 簡書（t.cn/EisvWil）?| bilibili（t.cn/EKDjMCs）

We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
合作 or 侵權(quán)，請聯(lián)系?apachecn@163.com?| 請抄送一份到?wizard.z@foxmail.com

標簽：

ApacheCN 人工智能知識樹 v1.0的評論 (共條)

愛情散文傷感散文哲理散文優(yōu)美生活隨筆親情唯美句子傷感的句子現(xiàn)代詩歌空間日志經(jīng)典語句愛情句子作文大全

最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

ApacheCN 人工智能知識樹 v1.0

統(tǒng)計機器學習

基礎(chǔ)知識

線性回歸/邏輯回歸/softmax 回歸

決策樹/隨機森林

GDBT/XGBoost

樸素貝葉斯

支持向量機

K 近鄰

KMeans

均值移動

層次聚類

DBSCAN

高斯混合

Boosting/Bagging/Blending

AdaBoost

PCA

LDA

流形學習

異常檢測

Apriori/FP-growth

深度學習

基礎(chǔ)知識

MLP

CNN

RNN

時間序列

機器視覺

圖嵌入/圖的表示學習

自然語言處理

強化學習

推薦系統(tǒng)

預(yù)處理/特征工程

模型評估/模型調(diào)優(yōu)

最優(yōu)化

梯度下降

其它

關(guān)于我們

本文作者的其他文章

ApacheCN 人工智能知識樹 v1.0的評論 (共 條)

你可能也喜歡這些文章

最新發(fā)布的文章

ApacheCN 人工智能知識樹 v1.0的評論 (共條)