机器学习与深度学习系列连载（NTU-Machine Learning, cs229, cs231n, cs224n, cs294）：欢迎进入机器学习的世界

<>欢迎进入机器学习的世界

本教程是根据台湾大学李弘毅老师的课程机器学习
<http://speech.ee.ntu.edu.tw/~tlkagk/%20%E2%80%9C%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E2%80%9D>
课程，斯坦福大学CS229 <http://cs229.stanford.edu/>、CS231N <http://cs231n.stanford.edu/>、
CS224N <https://web.stanford.edu/class/cs224n/>、CS20i
<http://web.stanford.edu/class/cs20si/syllabus.html>、伦敦大学学院 ([UCL-Course])(
http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
<http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html>
)课程，翻译、总结、提炼，将零星的知识点、算法进行串接，并加入个人的理解，形成机器学习基础理论、图像处理、自然语言处理、强化学习、对抗学习的整体知识框架的入门、提高教程。


在本教程最开始的地方，首先忠心感谢这些高水平课程，本人是经过反复观看（至少十次）、思考、编码，才获得较浅层次领悟（本教程中也会引用这些课程的经典内容、图片、代码，引用的时候我也会具体注明）。


<>1.编写目的：

* 突破语言障碍：机器学习、深度学习核心课程、算法、论文都是英文。机器学习爱好者可能在语言上望而却步，而内容全面、高水平的中文教程相对较少。
* 内容全面
：各类机器学习中文学习笔记比较多，但是只是针对某个算法或者某门课程（方向），整体上将机器学习理论、图像、自然语言处理、强化学习、对抗网络算法和最新成果进行串联的中文教程较少。
* 通俗易懂：用“最通俗的语言、最少的数学公式”，带领徘徊在机器学习门口的同学们，入门、提升、掌握机器学习基础理论、掌握深度学习的核心理念、算法`。
##2.读者要求：
建议学习本教程的同学具备一定的高等数学、概率论、线性代数的知识和掌握Python语言。
<>2.学习路径：

本教程一共分为五大部分，估计在50篇博文左右（每周一更或者两更）：

*
第一部分：机器学习（已经完成）
01.机器学习与深度学习系列连载（NTU-Machine Learning, cs229, cs231n, cs224n,
UCL-RL，cs20i:欢迎进入机器学习的世界
<https://blog.csdn.net/dukuku5038/article/details/82253966>
02.机器学习与深度学习系列连载：第一部分机器学习（一）导论
<https://blog.csdn.net/dukuku5038/article/details/82347021>
03.机器学习与深度学习系列连载：第一部分机器学习（二）监督学习：线性回归
<https://blog.csdn.net/dukuku5038/article/details/82503111>
04.机器学习与深度学习系列连载：第一部分机器学习（三）监督学习：分类和逻辑回归 Classification and logistic
regression <https://blog.csdn.net/dukuku5038/article/details/82585523>
05.机器学习与深度学习系列连载：第一部分机器学习（四）误差分析（BiasandVariance）和模型调优
<https://blog.csdn.net/dukuku5038/article/details/82682855>
06.机器学习与深度学习系列连载：第一部分机器学习（五）生成概率模型（GenerativeModel）
<https://blog.csdn.net/dukuku5038/article/details/82698867>
07.机器学习与深度学习系列连载：第一部分机器学习（六）训练数据和测试数据（TraindataandTestdata）
<https://blog.csdn.net/dukuku5038/article/details/82699481>
08.机器学习与深度学习系列连载：第一部分机器学习（七）朴素贝叶斯（NaiveBayes）
<https://blog.csdn.net/dukuku5038/article/details/82714617>
09.机器学习与深度学习系列连载：第一部分机器学习（八）支持向量机1（SupportVectorMachine）
<https://blog.csdn.net/dukuku5038/article/details/82746437>
10.机器学习与深度学习系列连载：第一部分机器学习（九）支持向量机2（SupportVectorMachine）
<https://blog.csdn.net/dukuku5038/article/details/82767724>
11.机器学习与深度学习系列连载：第一部分机器学习（十）决策树1（DecisionTree）
<https://blog.csdn.net/dukuku5038/article/details/82781286>
12.机器学习与深度学习系列连载：第一部分机器学习（十一）决策树2（DecisionTree）
<https://blog.csdn.net/dukuku5038/article/details/82917083>
13.机器学习与深度学习系列连载：第一部分机器学习（十二）集成学习（Ensemble）
<https://blog.csdn.net/dukuku5038/article/details/82929068>
14.机器学习与深度学习系列连载：第一部分机器学习（十三）半监督学习（semi-supervisedlearning）
<https://blog.csdn.net/dukuku5038/article/details/82932618>
15.机器学习与深度学习系列连载：第一部分机器学习（十四）非监督度学习-1 UnsupervisedLearning-1
<https://blog.csdn.net/dukuku5038/article/details/82932618>
16.机器学习与深度学习系列连载：第一部分机器学习（十五）非监督度学习-2 UnsupervisedLearning-2 NeighborEmbedding
<https://blog.csdn.net/dukuku5038/article/details/82949575>
17.机器学习与深度学习系列连载：第一部分机器学习（十六）非监督度学习-3 UnsupervisedLearning-3 Auto-Encoder
<https://blog.csdn.net/dukuku5038/article/details/82949642>
18.机器学习与深度学习系列连载：第一部分机器学习（十七）非监督度学习-4 UnsupervisedLearning-4 GenerativeModels
<https://blog.csdn.net/dukuku5038/article/details/82950014>
19.机器学习与深度学习系列连载：第一部分机器学习（十八）模型评估
<https://blog.csdn.net/dukuku5038/article/details/82954769>

*
第二部分：深度学习（已经完成）
01.机器学习与深度学习系列连载： 第二部分 深度学习(一）神经网络
<https://blog.csdn.net/dukuku5038/article/details/83217542>
02.机器学习与深度学习系列连载： 第二部分 深度学习(二）梯度下降
<https://blog.csdn.net/dukuku5038/article/details/83608873>
03.机器学习与深度学习系列连载： 第二部分 深度学习（三）反向传播 Backpropagaton
<https://blog.csdn.net/dukuku5038/article/details/83573248>
04.机器学习与深度学习系列连载： 第二部分 深度学习（四）深度学习技巧1（Deep learning tips- RMSProp +
Momentum=Adam） <https://blog.csdn.net/dukuku5038/article/details/83680923>
05.机器学习与深度学习系列连载： 第二部分 深度学习（五）深度学习技巧2（Deep learning tips- Relu）
<https://blog.csdn.net/dukuku5038/article/details/83643378>
06.机器学习与深度学习系列连载： 第二部分 深度学习（六）深度学习技巧3（Deep learning tips- Early stopping and
Regularization） <https://blog.csdn.net/dukuku5038/article/details/83682899>
07.机器学习与深度学习系列连载： 第二部分 深度学习（七）深度学习技巧4（Deep learning tips- Dropout）
<https://blog.csdn.net/dukuku5038/article/details/83713218>
08.机器学习与深度学习系列连载： 第二部分 深度学习（八）可以自己学习的激活函数（Maxout）
<https://blog.csdn.net/dukuku5038/article/details/83715627>
09.机器学习与深度学习系列连载： 第二部分 深度学习（九）Keras- “hello world” of deep learning
<https://blog.csdn.net/dukuku5038/article/details/83721330>
10.机器学习与深度学习系列连载： 第二部分 深度学习（十）卷积神经网络 1 Convolutional Neural Networks
<https://blog.csdn.net/dukuku5038/article/details/83735926>
11.机器学习与深度学习系列连载： 第二部分 深度学习（十一）卷积神经网络 2 Why CNN for Image？
<https://blog.csdn.net/dukuku5038/article/details/83774169>
12.机器学习与深度学习系列连载： 第二部分 深度学习（十二）卷积神经网络 3 经典的模型（LeNet-5，AlexNet
，VGGNet，GoogLeNet，ResNet）
<https://blog.csdn.net/dukuku5038/article/details/83817973>
13.机器学习与深度学习系列连载： 第二部分 深度学习（十三）循环神经网络 1（Recurre Neural Network 基本概念 ）
<https://blog.csdn.net/dukuku5038/article/details/83830994>
14.机器学习与深度学习系列连载： 第二部分 深度学习（十四）循环神经网络 2（Gated RNN - LSTM ）
<https://blog.csdn.net/dukuku5038/article/details/83870172>
15.机器学习与深度学习系列连载： 第二部分 深度学习（十五）循环神经网络 3（Gated RNN - GRU）
<https://blog.csdn.net/dukuku5038/article/details/83892471>
16.机器学习与深度学习系列连载： 第二部分 深度学习（十六）循环神经网络 4（BiDirectional RNN， Highway network，
Grid-LSTM） <https://blog.csdn.net/dukuku5038/article/details/83960492>
17.机器学习与深度学习系列连载： 第二部分 深度学习（十七）深度神经网络调参之道（learn to learn）
<https://blog.csdn.net/dukuku5038/article/details/83979866>
18.机器学习与深度学习系列连载： 第二部分 深度学习（十八) Seq2Seq 模型
<https://blog.csdn.net/dukuku5038/article/details/84023100>
19.机器学习与深度学习系列连载： 第二部分 深度学习（十九) 注意力机制 Attention
<https://blog.csdn.net/dukuku5038/article/details/84023470>
20.机器学习与深度学习系列连载： 第二部分 深度学习（二十) 轮询采样 Scheduled Sampling
<https://blog.csdn.net/dukuku5038/article/details/84060969>
21.机器学习与深度学习系列连载： 第二部分 深度学习（二十一) Beam Search
<https://blog.csdn.net/dukuku5038/article/details/84097856>
22.机器学习与深度学习系列连载： 第二部分 深度学习（二十二) 机器记忆 Machine Memory
<https://blog.csdn.net/dukuku5038/article/details/84098222>
23.机器学习与深度学习系列连载： 第二部分 深度学习（二十三) 空间转换层 Spatial Transfer Layer
<https://blog.csdn.net/dukuku5038/article/details/84112022>
24.机器学习与深度学习系列连载： 第二部分 深度学习（二十四) Pointer Network
<https://blog.csdn.net/dukuku5038/article/details/84112072>
25.机器学习与深度学习系列连载： 第二部分 深度学习（二十五) 递归神经网络Resursive Network
<https://blog.csdn.net/dukuku5038/article/details/84112094>

*
第三部分：强化学习（已经完成）

* 强化学习简介 <https://blog.csdn.net/dukuku5038/article/details/84273813>
* 马尔科夫决策过程 MDP <https://blog.csdn.net/dukuku5038/article/details/84361371>
* 动态规划寻找最优策略 <https://blog.csdn.net/dukuku5038/article/details/84516559>
* 不基于模型的预测（蒙特卡洛方法MC、时序差分TD）
<https://blog.csdn.net/dukuku5038/article/details/84557798>
* 不基于模型的控制（SARSA、Q-Learning）
<https://blog.csdn.net/dukuku5038/article/details/84578030>
* 价值函数的近似表示 <https://blog.csdn.net/dukuku5038/article/details/84642597>
* 策略梯度 <https://blog.csdn.net/dukuku5038/article/details/84670464>
* 整合学习与规划 (Alpha Go 基本原理)
<https://blog.csdn.net/dukuku5038/article/details/84691437>
* 探索与利用 <https://blog.csdn.net/dukuku5038/article/details/84782354>
* 深度强化学习 <https://blog.csdn.net/dukuku5038/article/details/84810898>
* 深度强化学习- Q learning的算法剖析
<https://blog.csdn.net/dukuku5038/article/details/84811174>
* 深度强化学习- Q learning进阶： Double DQN和 Dulling DQN
<https://blog.csdn.net/dukuku5038/article/details/84836945>
* 深度强化学习-策略梯度与OpenAI的当家算法：PPO（1）
<https://blog.csdn.net/dukuku5038/article/details/84811223>
* 深度强化学习-策略梯度与OpenAI的当家算法：PPO（2）
<https://blog.csdn.net/dukuku5038/article/details/84870098>
* 深度强化学习- Actor-Critic的集大成者：A3C
<https://blog.csdn.net/dukuku5038/article/details/84811290>
* 深度强化学习- Pathwise Derivative策略梯度
<https://blog.csdn.net/dukuku5038/article/details/84924046>
* 深度强化学习- 稀疏奖励该怎么办？ Sparse Reward
<https://blog.csdn.net/dukuku5038/article/details/84811526>
* 深度强化学习-模仿学习 Imitation Learning
<https://blog.csdn.net/dukuku5038/article/details/84811570>
* 第四部分：对抗网络（已经完成）
* 对抗网络GAN（一) 对抗网络介绍 GAN Introduction
<https://blog.csdn.net/dukuku5038/article/details/84964017>
* 对抗网络GAN（二) 对抗网络 GAN背后的理论
<https://blog.csdn.net/dukuku5038/article/details/84981730>
* 对抗网络GAN (三) 对抗网络 Conditional GAN （CGAN）
<https://blog.csdn.net/dukuku5038/article/details/85028130>
* 对抗网络GAN (四) 对抗网络 Cycle GAN
<https://blog.csdn.net/dukuku5038/article/details/85059899>
* 对抗网络GAN (五) 对抗网络 Wasserstein GAN
<https://blog.csdn.net/dukuku5038/article/details/85111279>
* 对抗网络GAN (六) 对抗网络 （EBGAN，Info GAN，Bi GAN，VAE-GAN， Seq2Seq GAN）
<https://blog.csdn.net/dukuku5038/article/details/85228266>
* 对抗网络GAN (七) 对抗网络应用：NLP对话生成
<https://blog.csdn.net/dukuku5038/article/details/85271789>
* 对抗网络GAN (八) 对抗网络 （Unsupervised Conditional Sequence Generation）
<https://blog.csdn.net/dukuku5038/article/details/85316478>
* 对抗网络GAN (九) 对抗网络 （RankGAN + GAN家族总结）
<https://blog.csdn.net/dukuku5038/article/details/85318615>
* 第五部分：深度学习框架（待完成）
* TensorFlow
* Pytorch

• « 上一篇：秀璋带您走进九月的甘肃新疆：人间之边，天堂之界
• » 下一篇：PostgreSQL 数据库初始化