machine-learning-notes
  • 封面
  • 目录
  • 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
    • 不同的机器学习算法对相同数据预测效果不同
    • 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
  • 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
    • 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
    • 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
  • 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
      • 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
  • 自然语言处理概论
  • 自然语言
  • 语言模型和中文分词
  • word2vec
    • word2vec概述
    • word2vec算法原理
    • word2vec源码分析
    • word2vec实践
  • Seq2Seq模型和Attention机制
  • Self-Attention和Transformer
  • 知识图谱
  • 推荐系统
  • 推荐系统概论
  • 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
Powered by GitBook
On this page
  • 目录
  • 前言
  • 数学基础
  • 编程基础
  • 机器学习
  • 深度学习
  • 强化学习
  • 自然语言处理
  • 知识图谱
  • 推荐系统

Was this helpful?

目录

Previous封面Next前言

Last updated 5 years ago

Was this helpful?

目录

  • 封面

  • 目录

机器学习算法地图

前言

  • 前言

  • 个人前言

  • 机器学习前言

  • 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

    • 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

线性回归
Ridge回归(岭回归)
Lasso回归
机器学习的流程
什么是机器学习和模式识别
机器学习的应用
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
machine-learning-map