數學、機器學習、深度學習目錄

文章目錄

• ​​1.數學基礎​​
• ​​2.深度學習​​

• ​​深度學習練習題​​

• ​​3.機器學習​​
• ​​4.論文​​

• ​​loss​​
• ​​對象檢測​​

1.數學基礎

​​矩陣求導術​​用狄拉克函數來構造非光滑函數的光滑近似

2.深度學習

​​深度學習入門（一）感覺機與激活函數​​損失函數–交叉熵與極大似然估計

softmax求導/label_smoothing求導/知識蒸餾求導

梯度推導

深度學習入門（三）建構簡單的兩層神經網絡

深度學習入門（四）梯度更新算法的選擇(附執行代碼)

吳恩達課程學習筆記–第二課 第一周：深度學習的實踐層面

吳恩達深度學習 第二課 第三周：超參數調試、Batch正則化和程式架構

吳恩達深度學習 第三門課 結構化機器學習項目（筆記）

吳恩達深度學習 第三門課 殘差網絡 谷歌Inception模型 遷移學習

吳恩達深度學習 第三門課 第三周 目标檢測

吳恩達深度學習 第四課 第四周 人臉識别和神經風格轉換

序列模型（sequence models）

吳恩達深度學習 第五課 第二周 自然語言處理與詞嵌入

吳恩達深度學習 第五課 第三周 序列模型和注意力機制

對比學習梳理

深度學習練習題

​​吳恩達深度學習練習 第五課第一周 Building a Recurrent Neural Network 基于numpy​​吳恩達深度學習練習 第五課第二周 注意力機制機器翻譯 基于Keras

吳恩達深度學習 第五課第三周 課後練習 Trigger word detection

3.機器學習

抽點時間把所有機器學習的内容補充完善一下，重新學習一下-20200610

​​1.機器學習實戰(1) k-近鄰算法(kNN)和決策樹​​2.機器學習實戰(2) 基于機率論的分類方法：樸素貝葉斯 python3

3.機器學習實戰(3) Logistic回歸 邏輯回歸 基于python3

​​4.待更新​​5.機器學習實戰(5) AdaBoost元算法 基于python3

​​6.機器學習實戰(6) 預測數值型資料：回歸​​7.機器學習實戰(7) 樹回歸

8.機器學習實戰(8) 利用K-means聚類算法對未标注資料分組

9.機器學習實戰(9) 使用Apriori算法進行關聯分析

10.機器學習實戰(10) FP-growth 基于python3

11.機器學習實戰(11) 利用PCA來簡化資料 基于python3

12.機器學習實戰(12) 利用SVD簡化資料 基于python3

4.論文

loss

​​The Lovasz Hinge: A Novel Convex Surrogate for Submodular Losses​​The Lovasz-Softmax loss: A tractable surrogate for the optimization of the ´ intersection-over-union

對象檢測