ApacheCN 人工智能知識樹 v1.0
Special Sponsorshtml
貢獻者：飛龍python
版本：v1.0git
最近老是有人問我，把 ApacheCN 這些資料看完一遍要用多長時間，若是你一本書一本書看的話，的確要用很長時間。但我以爲這是很是麻煩的，由於每本書的內容大部分是重複的，有些不重複的內容你也很差找。爲了方便你們，我就把每本書的章節拆開，再按照知識點合併，手動整理了這個知識樹。你們能夠按照知識點依次學習，若是理解了一個知識點，就不必看其他文章，直接跳到下一個就好了。程序員
統計機器學習
基礎知識
- AILearning 第1章_基礎知識
- CS229 中文筆記 1、引言
- CS229 中文筆記 3、線性代數回顧
- 機器學習基石 1 -- The Learning Problem
- 機器學習基石 2 -- Learning to Answer Yes/No
- 機器學習基石 3 -- Types of Learning
- 機器學習基石 4 -- Feasibility of Learning
- 機器學習基石 6 -- Theory of Generalization
- 機器學習基石 7 -- The VC Dimension
- 機器學習基石 8 -- Noise and Error
- 機器學習基石 16 -- Three Learning Principles
- 寫給人類的機器學習 1、爲何機器學習重要
- SciPyCon 2018 sklearn 教程 1、Python 機器學習簡介
- SciPyCon 2018 sklearn 教程 2、Python 中的科學計算工具
- SciPyCon 2018 sklearn 教程 9、sklearn 估計器接口回顧
- SciPyCon 2018 sklearn 教程 十5、估計器流水線
- 數據科學和人工智能技術筆記 1、向量、矩陣和數組
- Sklearn 學習指南 第一章：機器學習 - 溫和的介紹
線性迴歸/邏輯迴歸/softmax 迴歸
- AILearning 第5章_邏輯迴歸
- AILearning 第8章_迴歸
- CS229 中文筆記 2、單變量線性迴歸
- CS229 中文筆記 4、多變量線性迴歸
- CS229 中文筆記 6、邏輯迴歸
- DLAI 深度學習筆記 第一門課 第二週：神經網絡的編程基礎
- 機器學習基石 9 -- Linear Regression
- 機器學習基石 10 -- Logistic Regression
- 機器學習基石 11 -- Linear Models for Classification
- 機器學習基石 12 -- Nonlinear Transformation
- 機器學習技法 5 -- Kernel Logistic Regression
- Scikit-learn 祕籍 第二章 處理線性模型
- Scikit-learn 祕籍 第四章 使用 scikit-learn 對數據分類
- PythonProgramming.net 系列教程 第一部分 迴歸
- 寫給人類的機器學習 2.1 監督學習
- 寫給人類的機器學習 2.2 監督學習 II
- Python 數據分析與挖掘實戰 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第13章 財政收入影響因素分析及預測模型
- 與 TensorFlow 的初次接觸 2. TensorFlow 中的線性迴歸
- SciPyCon 2018 sklearn 教程 5、監督學習第一部分：分類
- SciPyCon 2018 sklearn 教程 6、監督學習第二部分：迴歸分析
- SciPyCon 2018 sklearn 教程 十7、深刻：線性模型
- 數據科學和人工智能技術筆記 11、線性迴歸
- 數據科學和人工智能技術筆記 12、邏輯迴歸
- Sklearn 學習指南 第二章：監督學習
決策樹/隨機森林
- AILearning 第3章_決策樹算法
- AILearning 第9章_樹迴歸
- 機器學習技法 9 -- Decision Tree
- 機器學習技法 10 -- Random Forest
- Scikit-learn 祕籍 第四章 使用 scikit-learn 對數據分類
- 寫給人類的機器學習 2.3 監督學習 III
- Python 數據分析與挖掘實戰 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第6章 電力竊漏電用戶自動識別
- SciPyCon 2018 sklearn 教程 十8、深刻：決策樹與森林
- 數據科學和人工智能技術筆記 十3、樹和森林
- Sklearn 學習指南 第二章：監督學習
GDBT/XGBoost
樸素貝葉斯
- AILearning 第4章_樸素貝葉斯
- Scikit-learn 祕籍 第四章 使用 scikit-learn 對數據分類
- 數據科學和人工智能技術筆記 十6、樸素貝葉斯
- Sklearn 學習指南 第二章：監督學習
支持向量機
- AILearning 第6章_支持向量機
- AILearning 支持向量機的幾個通俗理解
- CS229 中文筆記 12、支持向量機
- 機器學習技法 1 -- Linear Support Vector Machine
- 機器學習技法 2 -- Dual Support Vector Machine
- 機器學習技法 3 -- Kernel Support Vector Machine
- 機器學習技法 4 -- Soft-Margin Support Vector Machine
- 機器學習技法 6 -- Support Vector Regression
- Scikit-learn 祕籍 第四章 使用 scikit-learn 對數據分類
- PythonProgramming.net 系列教程 第二部分 分類
- 寫給人類的機器學習 2.2 監督學習 II
- Python 數據分析與挖掘實戰 第9章 基於水色圖像的水質評價
- 數據科學和人工智能技術筆記 十5、支持向量機
- Sklearn 學習指南 第二章：監督學習
K 近鄰
- AILearning 第2章_K近鄰算法
- Scikit-learn 祕籍 第三章 使用距離向量構建模型
- PythonProgramming.net 系列教程 第二部分 分類
- 寫給人類的機器學習 2.3 監督學習 III
- SciPyCon 2018 sklearn 教程 5、監督學習第一部分：分類
- SciPyCon 2018 sklearn 教程 6、監督學習第二部分：迴歸分析
- 數據科學和人工智能技術筆記 十4、K 最近鄰
KMeans
- AILearning 第10章_KMeans聚類
- CS229 中文筆記 十3、聚類
- Scikit-learn 祕籍 第三章 使用距離向量構建模型
- PythonProgramming.net 系列教程 第三部分 聚類
- 寫給人類的機器學習 3、無監督學習
- Python 數據分析與挖掘實戰 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第7章 航空公司客戶價值分析
- Python 數據分析與挖掘實戰 第8章 中醫證型關聯規則挖掘
- 與 TensorFlow 的初次接觸 3. TensorFlow 中的聚類
- SciPyCon 2018 sklearn 教程 8、無監督學習第二部分：聚類
- TensorFlow 學習指南 3、學習
- 數據科學和人工智能技術筆記 十7、聚類
- Sklearn 學習指南 第三章：無監督學習
均值移動
層次聚類
- 寫給人類的機器學習 3、無監督學習
- Python 數據分析與挖掘實戰 第14章 基於基站定位數據的商圈分析
- SciPyCon 2018 sklearn 教程 二10、無監督學習：層次和基於密度的聚類算法
- 數據科學和人工智能技術筆記 十7、聚類
- Sklearn 學習指南 第三章：無監督學習
DBSCAN
高斯混合
Boosting/Bagging/Blending
AdaBoost
PCA
- AILearning 第13章_PCA降維
- AILearning 第14章_SVD簡化數據
- CS229 中文筆記 十4、降維
- 寫給人類的機器學習 3、無監督學習
- SciPyCon 2018 sklearn 教程 7、無監督學習第一部分：變換
- Sklearn 學習指南 第三章：無監督學習
LDA
流形學習
異常檢測
Apriori/FP-growth
- AILearning 第11章_Apriori算法
- AILearning 第12章_FP-growth算法
- Python 數據分析與挖掘實戰 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第8章 中醫證型關聯規則挖掘
深度學習
基礎知識
MLP
- CS229 中文筆記 8、神經網絡：表述
- CS229 中文筆記 9、神經網絡的學習
- DLAI 深度學習筆記 第一門課 第三週：淺層神經網絡
- DLAI 深度學習筆記 第一門課 第四周：深層神經網絡
- 機器學習技法 12 -- Neural Network
- 機器學習技法 13 -- Deep Learning
- 機器學習技法 14 -- Radial Basis Function Network
- PythonProgramming.net 系列教程 第四部分 神經網絡
- 寫給人類的機器學習 4、神經網絡和深度學習
- Python 數據分析與挖掘實戰 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第6章 電力竊漏電用戶自動識別
- Python 數據分析與挖掘實戰 第10章 家用電器用戶行爲分析與事件識別
- Python 數據分析與挖掘實戰 第13章 財政收入影響因素分析及預測模型
- 與 TensorFlow 的初次接觸 4. TensorFlow 中的單層神經網絡
- 與 TensorFlow 的初次接觸 5. TensorFlow 中的多層神經網絡
- TensorFlow Rager 教程 1、如何使用 TensorFlow Eager 構建簡單的神經網絡
- 數據科學和人工智能技術筆記 十8、Keras
CNN
- DLAI 深度學習筆記 第四門課 第一週 卷積神經網絡
- DLAI 深度學習筆記 第四門課 第二週 深度卷積網絡：實例探究
- TensorFlow Rager 教程 7、使用 TensorFlow Eager 構建用於情感識別的卷積神經網絡（CNN）
RNN
- DLAI 深度學習筆記 第五門課 第一週 循環序列模型
- DLAI 深度學習筆記 第五門課 第三週 序列模型和注意力機制
- TensorFlow Rager 教程 8、用於 TensorFlow Eager 序列分類的動態循壞神經網絡
- TensorFlow Rager 教程 9、用於 TensorFlow Eager 時間序列迴歸的遞歸神經網絡
時間序列
- 第5章 挖掘建模
- Python 數據分析與挖掘實戰 第11章 應用系統負載分析與磁盤容量預測
- TensorFlow Rager 教程 9、用於 TensorFlow Eager 時間序列迴歸的遞歸神經網絡
機器視覺
- CS229 中文筆記 十8、應用實例：圖片文字識別
- DLAI 深度學習筆記 第四門課 第三週 目標檢測
- DLAI 深度學習筆記 第四門課 第四周 特殊應用：人臉識別和神經風格轉換
- PythonProgramming.net 系列教程 圖像和視頻分析
- PythonProgramming.net 系列教程 TensorFlow 目標檢測
- 數據科學和人工智能技術筆記 4、圖像預處理
圖嵌入/圖的表示學習
- 圖嵌入綜述：問題，技術與應用 第1、二章
- 圖嵌入綜述：問題，技術與應用 第三章
- 圖嵌入綜述：問題，技術與應用 4.1 ~ 4.2
- 圖嵌入綜述：問題，技術與應用 4.3 ~ 4.7
- 圖嵌入綜述：問題，技術與應用 第5、6、七章
天然語言處理
- DLAI 深度學習筆記 第五門課 第二週 天然語言處理與詞嵌入
- PythonProgramming.net 系列教程 天然語言處理教程
- PythonProgramming.net 系列教程 TensorFlow 聊天機器人
- Python 數據分析與挖掘實戰 第15章 電商產品評論數據情感分析
- TensorFlow Rager 教程 7、使用 TensorFlow Eager 構建用於情感識別的卷積神經網絡（CNN）
- TensorFlow Rager 教程 8、用於 TensorFlow Eager 序列分類的動態循壞神經網絡
- SciPyCon 2018 sklearn 教程 11、文本特徵提取
- SciPyCon 2018 sklearn 教程 12、案例學習：用於 SMS 垃圾檢測的文本分類
- SciPyCon 2018 sklearn 教程 二十3、核外學習 - 用於語義分析的大規模文本分類
- 數據科學和人工智能技術筆記 5、文本預處理
強化學習
推薦系統
- AILearning 第16章_推薦系統
- CS229 中文筆記 十6、推薦系統
- 機器學習技法 15 -- Matrix Factorization
- Python 數據分析與挖掘實戰 第12章 電子商務網站用戶行爲分析及服務推薦
- 基於深度學習的推薦系統：綜述和新視角 第1、二章
- 基於深度學習的推薦系統：綜述和新視角 3.1 ~ 3.3
- 基於深度學習的推薦系統：綜述和新視角 3.4 ~ 3.11
預處理/特徵工程
- Scikit-learn 祕籍 第一章 模型預處理
- Python 數據分析與挖掘實戰 第3章 數據探索
- Python 數據分析與挖掘實戰 第4章 數據預處理
- TensorFlow Rager 教程 4、文本序列到 TFRecords
- TensorFlow Rager 教程 5、如何將原始圖片數據轉換爲 TFRecords
- TensorFlow Rager 教程 6、如何使用 TensorFlow Eager 從 TFRecords 批量讀取數據
- SciPyCon 2018 sklearn 教程 3、數據表示和可視化
- SciPyCon 2018 sklearn 教程 7、無監督學習第一部分：變換
- SciPyCon 2018 sklearn 教程 10、案例學習：泰坦尼克倖存者
- SciPyCon 2018 sklearn 教程 11、文本特徵提取
- SciPyCon 2018 sklearn 教程 十9、自動特徵選擇
- 數據科學和人工智能技術筆記 2、數據準備
- 數據科學和人工智能技術筆記 3、數據預處理
- 數據科學和人工智能技術筆記 4、圖像預處理
- 數據科學和人工智能技術筆記 5、文本預處理
- 數據科學和人工智能技術筆記 6、日期時間預處理
- 數據科學和人工智能技術筆記 7、特徵工程
- 數據科學和人工智能技術筆記 8、特徵選擇
- 數據科學和人工智能技術筆記 十9、數據整理（上）
- 數據科學和人工智能技術筆記 十9、數據整理（下）
- 數據科學和人工智能技術筆記 二10、數據可視化
- Sklearn 學習指南 第四章：高級功能
模型評估/模型調優
- CS229 中文筆記 7、正則化
- CS229 中文筆記 10、應用機器學習的建議
- CS229 中文筆記 11、機器學習系統的設計
- DLAI 深度學習筆記 第二門課 第一週：深度學習的實用層面
- DLAI 深度學習筆記 第二門課 第三週超參數調試，batch正則化和程序框架
- DLAI 深度學習筆記 第三門課 第一週：機器學習策略（1）
- DLAI 深度學習筆記 第三門課 第二週：機器學習策略（2）
- 機器學習基石 5 -- Training versus Testing
- 機器學習基石 13 -- Hazard of Overfitting
- 機器學習基石 14 -- Regularization
- 機器學習基石 15 -- Validation
- Scikit-learn 祕籍 第二章 處理線性模型
- Scikit-learn 祕籍 第五章 模型後處理
- TensorFlow Rager 教程 2、在 Eager 模式中使用指標
- SciPyCon 2018 sklearn 教程 4、訓練和測試數據
- SciPyCon 2018 sklearn 教程 十3、交叉驗證和得分方法
- SciPyCon 2018 sklearn 教程 十4、參數選擇、驗證和測試
- SciPyCon 2018 sklearn 教程 十6、模型評估、得分指標和處理不平衡類別
- TensorFlow 學習指南 2、線性模型
- 數據科學和人工智能技術筆記 9、模型驗證
- 數據科學和人工智能技術筆記 10、模型選擇
- Sklearn 學習指南 第四章：高級功能
最優化
梯度降低
其它
- 機器學習技法 16（完結） -- Finale
- CS229 中文筆記 十9、總結
- 寫給人類的機器學習 6、最好的機器學習資源
- 與 TensorFlow 的初次接觸 6. 並行
- TensorFlow Rager 教程 3、如何保存和恢復訓練模型
- TensorFlow 學習指南 4、分佈式
- 數據科學和人工智能技術筆記 二11、統計學
關於咱們
咱們是一個大型開源社區，旗下 QQ 羣共 9000 餘人，訂閱用戶至少一萬人。Github Star 數量超過 20k 個，在全部 Github 組織中排名前 200。網站日 uip 超過 4k，Alexa 排名的峯值爲 20k。咱們的核心成員擁有CSDN 博客專家和簡書程序員優秀做者認證。咱們與 Datawhale、AI 有道、黃海廣博士等國內知名開源組織和大 V 合做，組織公益性的翻譯活動、學習活動和比賽組隊活動。github
與商業組織不一樣，咱們並不會追逐熱點，或者惟利是圖。做爲公益組織，咱們將完成項目放在首要位置，並有足夠時間把項目打磨到極致。咱們但願作出廣大 AI 愛好者真正須要的東西，打造真正有價值的長尾做品。算法
- 【導航】ibooker.org.cn
- 【歸檔】home.apachecn.org
- 【社區】bbs.apachecn.org
- 【Github】@ApacheCN
- 自媒體平臺
- We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
- 合做 or 侵權，請聯繫 apachecn@163.com | 請抄送一份到 wizard.z@foxmail.com
贊助咱們
相關文章
- 1. ApacheCN 人工智能知識樹 v1.0
- 2. 人工智能知識樹
- 3. ApacheCN 數據科學/人工智能/機器學習知識樹 2019.2
- 4. 人工智能知識點
- 5. 人工智能知識庫
- 6. ApacheCN × FlyAI 人工智能比賽活動
- 7. 人工智能的知識圖，人工智能學習路線
- 8. 人工智能中的知識工程
- 9. 人工智能數學基礎知識
- 10. 人工智能基礎知識學習
- 更多相關文章...
- • 與傳輸層有關的基本知識 - TCP/IP教程
- • XML 樹結構 - XML 教程
- • PHP開發工具
- • 再有人問你分佈式事務，把這篇扔給他
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. ApacheCN 人工智能知識樹 v1.0
- 2. 人工智能知識樹
- 3. ApacheCN 數據科學/人工智能/機器學習知識樹 2019.2
- 4. 人工智能知識點
- 5. 人工智能知識庫
- 6. ApacheCN × FlyAI 人工智能比賽活動
- 7. 人工智能的知識圖，人工智能學習路線
- 8. 人工智能中的知識工程
- 9. 人工智能數學基礎知識
- 10. 人工智能基礎知識學習