機(jī)器學(xué)習(xí)&深度學(xué)習(xí)入門
- 機(jī)器學(xué)習(xí)簡介
- 深度學(xué)習(xí)簡介
- 深度學(xué)習(xí)入門極簡教程（一）
- 深度學(xué)習(xí)入門極簡教程（二）
- 深度學(xué)習(xí)入門極簡教程（三）
- Deep Learning Tutorial
- 深度學(xué)習(xí)領(lǐng)域“四大天王”
- 機(jī)器學(xué)習(xí)常見的優(yōu)化算法
基本模型
- 機(jī)器學(xué)習(xí)—K-近鄰（k-Nearest Neighbor，KNN）算法
- 機(jī)器學(xué)習(xí)—線性回歸（Linear Regression）
- 機(jī)器學(xué)習(xí)—線性回歸之最小二乘法（Ordinary Least Squares Regression）
- 機(jī)器學(xué)習(xí)—線性回歸之梯度下降法（Gradient Descent）
- 機(jī)器學(xué)習(xí)—邏輯回歸（Logistic Regression）
- 機(jī)器學(xué)習(xí)—決策數(shù)（Decision Tree）ID3算法
- 機(jī)器學(xué)習(xí)—決策樹模型 ID3/C4.5/CART三種算法的區(qū)別
- 機(jī)器學(xué)習(xí)—隨機(jī)森林（Random Forest）
- 機(jī)器學(xué)習(xí)—支持向量機(jī)（Support Vector Machine，SVM）
- 機(jī)器學(xué)習(xí)—K-均值聚類（K-means）算法
- 機(jī)器學(xué)習(xí)—樸素貝葉斯（Naive Bayes）
- 機(jī)器學(xué)習(xí)—提升和自適應(yīng)增強(qiáng)（Boosting和AdaBoost）
神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)入門
- 一文讓你理解什么是卷積神經(jīng)網(wǎng)絡(luò)
- 多層感知器
- 卷積神經(jīng)網(wǎng)絡(luò)
- 循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）
- 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）
- 動態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）
- 編碼器
TensorFlow入門極簡教程
- TensorFlow入門極簡教程（一）
- TensorFlow入門極簡教程（二）
- TensorFlow入門極簡教程（三）：標(biāo)量Scalar
- TensorFlow入門極簡教程（四）：Vector
- TensorFlow入門極簡教程（五）：Matrix
- TensorFlow入門極簡教程（六）：Norm（范數(shù)）
- TensorFlow入門極簡教程（七）：訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)并保存模型，加載模型
