今天将历史技术博文重新整理了一下,分类更加清晰了,接下来尽量多写一些。
有很多朋友会问我要如何入门机器学习,第一篇文章中就给出了比较简单可行并且效果不错的学习路线。
兴趣是最好的老师,当你发现用机器学习技术可以做很多好玩的实用的东西时,你会深深地被吸引。
从整体的视角了解一般机器学习问题需要经过哪些步骤。
这部分会详细介绍一些常用算法的理论,也会包含一些面试常问知识点。
这部分针对机器学习问题的每个环节解答一些实战中遇到的问题。
这部分按照时间轴,从神经网络的基础,到 RNN,LSTM,双向 LSTM,seq2seq,再到注意力机制,层层递进详解各个模型的理论基础和代码实例。
这部分介绍深度学习的实战步骤中的一些关键问题。
关于自然语言处理的课程笔记或者实例。
包括聊天机器人的理论和实战。
比较系统地学习 TensorFlow,之前都是 1.x 版本的。
后面会结合 TensorFlow 2 的内容一起写。
理论基础。
这里会包括数据科学家所需要的技术栈。
有很多朋友会问我要如何入门机器学习,第一篇文章中就给出了比较简单可行并且效果不错的学习路线。
兴趣是最好的老师,当你发现用机器学习技术可以做很多好玩的实用的东西时,你会深深地被吸引。
- 5分钟构建一个自己的无人驾驶车
- 自己动手写个聊天机器人吧
- 自己写个 Prisma
- 用 TensorFlow 创建自己的 Speech Recognizer
- 用 TensorFlow 让你的机器人唱首原创给你听
- 如何自动生成文章摘要
- 一个 tflearn 情感分析小例子
- AI 在 marketing 上的应用
从整体的视角了解一般机器学习问题需要经过哪些步骤。
这部分会详细介绍一些常用算法的理论,也会包含一些面试常问知识点。
这部分针对机器学习问题的每个环节解答一些实战中遇到的问题。
这部分按照时间轴,从神经网络的基础,到 RNN,LSTM,双向 LSTM,seq2seq,再到注意力机制,层层递进详解各个模型的理论基础和代码实例。
这部分介绍深度学习的实战步骤中的一些关键问题。
关于自然语言处理的课程笔记或者实例。
- Day 1. 深度学习与自然语言处理 主要概念一览
- Day 2. TensorFlow 入门
- Day 3. word2vec 模型思想和代码实现
- Day 4. 怎样做情感分析
- Day 5. CS224d-Day 5: RNN快速入门
- Day 6. 一文学会用 Tensorflow 搭建神经网络
- Day 7. 用深度神经网络处理NER命名实体识别问题
- Day 8. 用 RNN 训练语言模型生成文本
- Day 9. RNN与机器翻译
- Day 10. 用 Recursive Neural Networks 得到分析树
- Day 11. RNN的高级应用
比较系统地学习 TensorFlow,之前都是 1.x 版本的,后面会写一写 2.0 的应用。
这里会包括数据科学家所需要的技术栈。
- 数据科学高频面试题-SQL篇:1~3
- 数据科学高频面试题-SQL篇:4~6
- 数据科学高频面试题-SQL篇:7~9
- 数据科学高频面试题-SQL篇:10~12
- 数据科学高频面试题-SQL篇:13~15
- 数据科学高频面试题-SQL篇:16~18
- 数据科学高频面试题-SQL篇:19~21
入门:
- 2 天入门 Java-Day 1
- Day 1-Java-imooc-2.变量常量
- Day 1-Java-imooc-3.运算符
- Day 1-Java-imooc-4.流程控制语句
- Day 1-Java-imooc-5.数组
- Day 1-Java-imooc-6.方法
- 2 天入门 Java-Day 2
- Day 2-Java-imooc-8-封装
- Day 2-Java-imooc-9-继承
- Day 2-Java-imooc-10-多态
- 机器学习-多元线性回归
- Udacity-Machine Learning纳米学位-学习笔记1
- Machine Learning Notes-Decision Trees-Udacity
- Machine Learning Notes-Linear Regression-Udacity
- 支持向量机
- 神经网络
- Instance Based Learning
- Ensemble Learners
- Kaggle winner 方案 | Instacart Market Basket Analysis: 2nd place
- Kaggle winner 方案简介 | Understanding the Amazon from Space: 1st place
公众号 机器学习X计划 同步更新,欢迎扫码关注!