博文目錄(最新更新:2019.8.5）

　　爲了方便你們閱讀，我把博文目錄梳理了一下，裏面會有已完成和計劃寫的博文，但願你們多多交流，有錯誤的地方請隨時指正^_^ 

 

---

 深度學習入門系列 (每週三發一篇，計劃11月~6月更完)

    三個月教你從零入門深度學習 （10.26更新）

   【深度學習系列】PaddlePaddle之手寫數字識別（10.23更新）

   【深度學習系列】卷積神經網絡CNN原理詳解(一)——基本原理（11.1更新）

   【深度學習系列】PaddlePaddle之數據預處理（11.8更新）

   【深度學習系列】卷積神經網絡詳解(二)——本身手寫一個卷積神經網絡(11.22更新)

   【深度學習系列】用PaddlePaddle和Tensorflow進行圖像分類(11.29更新)

   【深度學習系列】用PaddlePaddle和Tensorflow實現經典CNN網絡AlexNet（12.06更新）

   【深度學習系列】用PaddlePaddle和Tensorflow實現經典CNN網絡Vgg(12.13更新)

   【深度學習系列】用PaddlePaddle和Tensorflow實現經典CNN網絡GoogLeNet（12.20更新）

　【深度學習系列】用PaddlePaddle和Tensorflow實現GoogLeNet InceptionV2/V3/V4（12.27更新）

   【深度學習系列】一塊兒來參加百度 PaddlePaddle AI 大賽吧！(2018.1.4更新)

   【深度學習系列】關於PaddlePaddle的一些避「坑」技巧（2018.1.13更新）

   【深度學習系列】CNN模型的可視化（2018.1.24更新）

   【深度學習系列】PaddlePaddle可視化之VisualDL（2018.1.26更新）

   【深度學習系列】遷移學習Transfer Learning（2018.2.1更新）

   【深度學習系列】用PaddlePaddle進行車牌識別（一）（2018.2.26更新）

   【深度學習系列】用PaddlePaddle進行車牌識別（二）（2018.3.25更新）

   【深度學習系列】PaddlePaddle垃圾郵件處理實戰（一）（2018.5.22更新）

   【深度學習系列】PaddlePaddle垃圾郵件處理實戰（二）（2018.6.6更新）

   【深度學習系列】PaddlePaddle分佈式訓練及CTR預估（fluid新版，2019.5.21更新）

 

經驗總結及計劃

   我在北京這幾年（全）

   【原】深度學習的一些經驗總結和建議|To Do v.s Not To Do

　 坑爹的2016年總結

　2015年總結與2016年目標和計劃

   2017年總結與2018年目標和計劃

   2018年總結與2019年目標與計劃

　【原】數據分析/數據挖掘/機器學習---- 必讀書目

　【原】數據分析/數據挖掘 入門級選手建議

　【原】機器學習幾個基本的問題　　

 

 LeetCode系列

    LeetCode刷題專欄第一篇--思惟導圖&時間安排（2019.2.20更新）

    兩個月刷完Leetcode前400題經驗總結（2019.5.13更新）

 

PaddlePaddle專區--PaddleAI

　　PaddlePaddle分佈式訓練及CTR預估模型應用（2019.5.21更新）

 

 DeepLearning實踐（不按期更新）

    一文弄懂神經網絡中的反向傳播算法——BackPropagation

    用tensorflow讓神經網絡自動創造音樂

    如何用卷積神經網絡CNN識別手寫數字集

  【原】KMeans與深度學習自編碼AutoEncoder結合提升聚類效果

 

 Spark（2016.5月中旬寫完---已完成）

　【原】Learning Spark (Python版) 學習筆記(一)----RDD 基本概念與命令

　【原】Learning Spark (Python版) 學習筆記(二)----鍵值對、數據讀取與保存、共享特性

   【原】Learning Spark (Python版) 學習筆記(三)----工做原理、調優與Spark SQL(已完成--5.8更新)

   【原】Learning Spark (Python版) 學習筆記(四)----Spark Sreaming與MLlib機器學習(已完成--5.30更新)

   【原】Spark之機器學習(Python版)(一)——聚類

   【原】Spark之機器學習(Python版)(二)——分類

 

 

算法應用

　【原】淺談KL散度（相對熵）在用戶畫像中的應用

    關於Jaccard類似度在競品分析中的一點思考

 

資料集合

　 【原】python中文文本挖掘資料集合

    【深度學習Deep Learning】資料大全（5.12更新）

　 【機器學習Machine Learning】資料大全（5.13更新）

 

機器學習算法原理詳解（含代碼）（6-10月份寫--最新更新：7.6)

    機器學習基礎與實踐（一）----數據清洗

    機器學習基礎與實踐（二）----數據轉換

    機器學習基礎與實踐（三）----數據降維之PCA

  【機器學習】如何解決數據不平衡問題