ML启程系列笔记的同步笔记代码分享

我暂定的这一系列笔记的大纲，为笔记整理的大致路线

• miniconda安装和简单用法

• Numpy安装和常用函函数的使用

• Matplotlib安装和常用函数的使用

• Sklearn 安装和基本使用

• Opencv-python 安装和基本图像处理

• Tensorflow安装和常用API参考

• Caffe安装

• Pycharm 安装和配置

• Jupyter notebook 安装和使用

• 什么是机器学习

• 机器学习能做什么(生活中的机器学习)

• 机器学习怎么做(一般流程)

• 机器学习与数据挖掘的区别

• 机器学习相关的术语

• 机器学习算法的分类及选择算法的一般标准

• knn算法

• 决策树算法

• 朴素贝叶斯算法

• Logistic回归

• SVM算法

• • 基于SMO(序列最小化)的SVM实现
• • 基于核函数的SVM扩展
• • LIBSVM库

• 最优化算法

• • 梯度下降
• • Adam

• 线性回归

• K-mean算法

• 密度估计算法

• 感知机

• 单隐层前馈网络

• 多隐层前馈网络

• 深度神经网络(DNN)

• 卷积神经网络(CNN)

• • LeNet-5
• • AlxNet
• • VGGNet-11 - VGGNet-19
• • inception
• • ResNet

• 长短时记忆网络(LSTM)

• Q-Learning

• 集成学习

• 基于元学习器

• DQN 及其变体

• R-CNN及其迭代版本

• Hadoop

• Spark