机器学习&深度学习入门
- 机器学习简介
- 深度学习简介
- 深度学习入门极简教程（一）
- 深度学习入门极简教程（二）
- 深度学习入门极简教程（三）
- Deep Learning Tutorial
- 深度学习领域“四大天王”
- 机器学习常见的优化算法
基本模型
- 机器学习—K-近邻（k-Nearest Neighbor，KNN）算法
- 机器学习—线性回归（Linear Regression）
- 机器学习—线性回归之最小二乘法（Ordinary Least Squares Regression）
- 机器学习—线性回归之梯度下降法（Gradient Descent）
- 机器学习—逻辑回归（Logistic Regression）
- 机器学习—决策数（Decision Tree）ID3算法
- 机器学习—决策树模型 ID3/C4.5/CART三种算法的区别
- 机器学习—随机森林（Random Forest）
- 机器学习—支持向量机（Support Vector Machine，SVM）
- 机器学习—K-均值聚类（K-means）算法
- 机器学习—朴素贝叶斯（Naive Bayes）
- 机器学习—提升和自适应增强（Boosting和AdaBoost）
神经网络
- 神经网络入门
- 一文让你理解什么是卷积神经网络
- 多层感知器
- 卷积神经网络
- 循环神经网络（LSTM）
- 双向循环神经网络（LSTM）
- 动态循环神经网络（LSTM）
- 编码器
TensorFlow入门极简教程
- TensorFlow入门极简教程（一）
- TensorFlow入门极简教程（二）
- TensorFlow入门极简教程（三）：标量Scalar
- TensorFlow入门极简教程（四）：Vector
- TensorFlow入门极简教程（五）：Matrix
- TensorFlow入门极简教程（六）：Norm（范数）
- TensorFlow入门极简教程（七）：训练卷积神经网络并保存模型，加载模型
