目录

目录

• 封面

• 目录

机器学习算法地图

machine-learning-map

前言

• 前言

• 个人前言

• 机器学习前言

  • 什么是机器学习和模式识别
  • 机器学习的应用
  • 机器学习的流程
  • 不同机器学习算法预测效果不同
  • 快速入门机器学习
  • 机器学习需要参考哪些书
  • 机器学习的学习路径
  • 深度学习的学习路径
  • 互联网机器学习特定岗位所需技能
• 机器学习面试

数学基础

• 数学基础

• 微积分

  • 泰勒展开

  • e的直观认识

  • 傅里叶变换

  • 希尔伯特空间

• 线性代数

  • 范数

  • 矩阵求导

  • 特征值

  • SVD奇异值分解

• 概率与信息论

  • 综述概率论基本定义

  • 概率论与贝叶斯先验

  • 正态分布

  • 贝叶斯概率

  • 概率符号说明

  • 共轭先验

  • 概率图模型

  • 信息论

• 数值计算与优化

  • 最小二乘法

  • 等式约束的拉格朗日乘子法

  • 凸优化

    • 凸集和凸函数

    • 凸优化问题

• 梯度下降算法

  • 随机梯度下降SGD

  • 动量法Momentum

  • 牛顿动量Nesterov

  • AdaGrad

  • RMSprop

  • Adadelta

  • Adam

  • Nadam

  • AMSGrad

  • AdasMax

• 概率图模型

  • 概率图模型概论

  • 概率图简介

编程基础

• 编程基础

• linux

  • linux常用命令

  • shell

    • 输入输出重定向

• python

  • python简介

  • python语法

    • 基础语法

    • 数据结构

    • 过程控制

    • 函数

    • 类和对象

    • 文件操作

    • 正则表达式

  • python库

    • numpy

    • pandas

    • scipy

    • matplotlib

    • scikit-learn

  • python应用

    • 排序算法

• 数据结构与算法

  • 数据结构

  • 算法思想

    • 排序

      • 堆排序

      • 归并排序

      • 快速排序

    • 递归

  • 剑指offer

    • 链表

    • 二叉树

    • 数组

    • 字符串

    • 栈和队列

    • 递归和回溯法

    • 动态规划

    • 其他

  • leetcode

  • 编程语言

    • c++

• Hadoop

  • Hadoop简介

• MapReduce

• Hive

• Spark

• TensorFlow

  • TensorFlow1.0

    • TensorFlow基础

    • TensorFlow基础概念解析

    • TensorFlow机器学习基础

    • Tensorflow分布式架构

  • TensorFlow2.0

• PyTorch

机器学习

• 机器学习

• 机器学习概论

• 特征工程

• 感知机

• k近邻

• 朴素贝叶斯

• 线性模型

  • 最大熵模型

  • 指数族分布与广义线性模型

  • 线性回归

    • Ridge回归（岭回归）
    • Lasso回归
  • Logistic回归-对数几率回归

• 决策树

• 支持向量机

  • 线性可分支持向量机与硬间隔最大化

  • 线性支持向量机与软间隔最大化

  • 非线性支持向量机与核函数

  • 序列最小最优化算法SMO

  • SVM总结

• 集成学习

  • Bagging

    • 随机森林

  • Boosting

    • AdaBoost

    • GradientBoosting

      • GBDT

      • XGBoost

        • XGBoost理论

        • XGBoost实践

  • Stacking

• 降维

  • PCA主成分分析

  • 流形学习

• EM算法

• HMM隐马尔科夫模型

• CRF条件随机场

• 聚类

  • k均值聚类

  • 高斯混合模型

• 主题模型

  • LDA隐狄利克雷分布

• 知识点

  • 损失函数

  • 负采样

• 机器学习算法总结

深度学习

• 深度学习

• 深度学习概论

• ANN人工神经网络

• 知识点

  • Batch Normalization

• CNN卷积神经网络

• 深度学习优化算法

• RNN循环神经网络

• LSTM长短期记忆网络

• GRU门控循环单元

• GNN图神经网络

  • GNN图神经网络综述

  • GCN图卷积网络

    • GCN图卷积网络初步理解

    • GCN图卷积网络的numpy简单实现

    • GCN图卷积网络本质理解

    • GCN图卷积网络全面理解

    • SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS ICLR2017

• 神经网络架构搜索

  • Weight-Agnostic-Neural-Networks Google2019

强化学习

• 强化学习

• 强化学习概论

• 马尔科夫决策过程

• 动态规划

• 无模型方法一：蒙特卡洛

• 无模型方法二：时间差分

• 无模型方法三：多步自举

• 函数近似和深度网络

• 策略梯度算法

• 深度强化学习

• 基于模型的强化学习

• 强化学习前景

自然语言处理

• 自然语言处理

• 自然语言处理概论

• 自然语言

• 语言模型和中文分词

• word2vec

• Seq2Seq模型和Attention机制

• Self-Attention和Transformer

知识图谱

• 知识图谱

推荐系统

• 推荐系统

• 推荐系统概述

• 基础知识

• 进阶知识

  • 机器学习

    • Factorization Machines ICDM2010

  • embedding

    • Network Embedding

      • LINE: Large-scale Information Network Embedding

  • 深度学习

    • DeepFM: A Factorization-Machine based Neural Network for CTR Prediction 2017

    • DSSM: Learning Deep Structured Semantic Models for Web Search using Clickthrough Data CIKM2013

  • 图卷积网络

    • Graph Convolutional Neural Networks for Web-Scale Recommender Systems KDD2018

  • 强化学习

    • DRN基于深度强化学习的新闻推荐模型

• 业界应用

  • YouTube

    • Deep Neural Networks for YouTube Recommendations RecSys2016

  • Alibaba

    • Learning Tree-based Deep Model for Recommender Systems KDD2018

    • Deep Interest Network for Click-Through Rate Prediction KDD2018

    • DSIN:Deep Session Interest Network for Click-Through Rate Prediction IJCAI2019