Skip to content
【布客】AI Learning
2.0 神经网络基础
apachecn/ailearning
【布客】AI Learning
apachecn/ailearning
快速入门
关于我们
数据分析
数据分析
README
01. Python 工具
01. Python 工具
Python 工具
Python 简介
Ipython 解释器
Ipython notebook
使用 Anaconda
02. Python 基础
02. Python 基础
Python 基础
Python 入门演示
Python 数据类型
数字
字符串
索引和分片
列表
可变和不可变类型
元组
列表与元组的速度比较
字典
集合
不可变集合
Python 赋值机制
判断语句
循环
列表推导式
函数
模块和包
异常
警告
文件读写
03. Numpy
03. Numpy
Numpy
Numpy 简介
Matplotlib 基础
Numpy 数组及其索引
数组类型
数组方法
数组排序
数组形状
对角线
数组与字符串的转换
数组属性方法总结
生成数组的函数
矩阵
一般函数
向量化函数
二元运算
ufunc 对象
choose 函数实现条件筛选
数组广播机制
数组读写
结构化数组
记录数组
内存映射
从 Matlab 到 Numpy
04. Scipy
04. Scipy
Scipy
SCIentific PYthon 简介
插值
概率统计方法
曲线拟合
最小化函数
积分
解微分方程
稀疏矩阵
线性代数
稀疏矩阵的线性代数
05. Python 进阶
05. Python 进阶
Python 进阶
sys 模块简介
与操作系统进行交互：os 模块
CSV 文件和 csv 模块
正则表达式和 re 模块
datetime 模块
SQL 数据库
对象关系映射
函数进阶：参数传递，高阶函数，lambda 匿名函数，global 变量，递归
迭代器
生成器
with 语句和上下文管理器
修饰符
修饰符的使用
operator, functools, itertools, toolz, fn, funcy 模块
作用域
动态编译
06. Matplotlib
06. Matplotlib
Matplotlib
Pyplot 教程
使用 style 来配置 pyplot 风格
处理文本（基础）
处理文本（数学表达式）
图像基础
注释
标签
figures, subplots, axes 和 ticks 对象
不要迷信默认设置
各种绘图实例
07. 使用其他语言进行扩展
07. 使用其他语言进行扩展
使用其他语言进行扩展
简介
Python 扩展模块
Cython：Cython 基础，将源代码转换成扩展模块
Cython：Cython 语法，调用其他C库
Cython：class 和 cdef class，使用 C++
Cython：Typed memoryviews
生成编译注释
ctypes
08. 面向对象编程
08. 面向对象编程
面向对象编程
简介
使用 OOP 对森林火灾建模
什么是对象？
定义 class
特殊方法
属性
森林火灾模拟
继承
super( 函数
重定义森林火灾模拟
接口
共有，私有和特殊方法和属性
多重继承
09. Theano 基础
09. Theano 基础
Theano 基础
Theano 简介及其安装
Theano 基础
Theano 在 Windows 上的配置
Theano 符号图结构
Theano 配置和编译模式
Theano 条件语句
Theano 循环：scan（详解）
Theano 实例：线性回归
Theano 实例：Logistic 回归
Theano 实例：Softmax 回归
Theano 实例：人工神经网络
Theano 随机数流变量
Theano 实例：更复杂的网络
Theano 实例：卷积神经网络
Theano tensor 模块：基础
Theano tensor 模块：索引
Theano tensor 模块：操作符和逐元素操作
Theano tensor 模块：nnet 子模块
Theano tensor 模块：conv 子模块
10. 有趣的第三方模块
10. 有趣的第三方模块
有趣的第三方模块
使用 basemap 画地图
使用 cartopy 画地图
探索 NBA 数据
金庸的武侠世界
11. 有用的工具
11. 有用的工具
有用的工具
pprint 模块：打印 Python 对象
pickle, cPickle 模块：序列化 Python 对象
json 模块：处理 JSON 数据
glob 模块：文件模式匹配
shutil 模块：高级文件操作
gzip, zipfile, tarfile 模块：处理压缩文件
logging 模块：记录日志
string 模块：字符串处理
collections 模块：更多数据结构
requests 模块：HTTP for Human
12. Pandas
12. Pandas
Pandas
十分钟上手 Pandas
一维数据结构：Series
二维数据结构：DataFrame
线性代数
线性代数
README
第一讲：方程组的几何解释
第二讲：矩阵消元
第三讲：乘法和逆矩阵
第四讲：$A$ 的 $LU$ 分解
第五讲：转换、置换、向量空间R
第六讲：列空间和零空间
第七讲：求解$Ax=0$，主变量，特解
第八讲：求解$Ax=b$：可解性和解的结构
第九讲：线性相关性、基、维数
第十讲 四个基本子空间
第十一讲：矩阵空间、秩1矩阵和小世界图
第十二讲：图和网络
第十三讲：复习一
第十四讲：正交向量与子空间
第十五讲：子空间投影
第十六讲：投影矩阵和最小二乘
第十七讲：正交矩阵和Gram-Schmidt正交化法
第十八讲：行列式及其性质
第十九讲：行列式公式和代数余子式
第二十讲：克拉默法则、逆矩阵、体积
第二十一讲：特征值和特征向量
第二十二讲：对角化和$A$的幂
第二十三讲：微分方程和$e^{At}$
第二十四讲：马尔科夫矩阵、傅里叶级数
第二十五讲：复习二
第二十六讲：对称矩阵及正定性
第二十七讲：复数矩阵和快速傅里叶变换
第二十八讲：正定矩阵和最小值
第二十九讲：相似矩阵和若尔当形
第三十讲：奇异值分解
第三十一讲：线性变换及对应矩阵
第三十二讲：基变换和图像压缩
第三十三讲：单元检测3复习
第三十四讲：左右逆和伪逆
第三十五讲：期末复习
机器学习
机器学习
第1章_基础知识
第2章_K近邻算法
第3章_决策树算法
第4章_朴素贝叶斯
第5章_逻辑回归
第6章_支持向量机
第7章_集成方法
第8章_回归
第9章_树回归
第10章_KMeans聚类
第11章_Apriori算法
第12章_FP-growth算法
第13章_PCA降维
第14章_SVD简化数据
第15章_大数据与MapReduce
第16章_推荐系统
为何录制教学版视频
2017-04-08_第一期的总结
深度学习
深度学习
1. 反向传递
2. Word2Vec
3. CNN原理
4. RNN原理
5. LSTM原理
V1 自然语言处理
V1 自然语言处理
入门须知
1.入门介绍
2.分词
3.1.篇章分析-内容概述
3.2.篇章分析-内容标签
3.3.篇章分析-情感分析
3.4.篇章分析-自动摘要
V1 TensorFlow2.x
V1 TensorFlow2.x
安装指南
Keras 快速入门
实战项目1 电影情感分类
实战项目2 汽车燃油效率
实战项目3 优化过拟合和欠拟合
实战项目4 古诗词自动生成
V2 自然语言处理
V2 自然语言处理
README
0 前言
1 语言处理与 Python
2 获得文本语料和词汇资源
3 处理原始文本
4 编写结构化程序
5 分类和标注词汇
6 学习分类文本
7 从文本提取信息
8 分析句子结构
9 构建基于特征的语法
10 分析句子的意思
11 语言学数据管理
后记：语言的挑战
索引
V2 TensorFlow2.x
V2 TensorFlow2.x
README
一、使用 Keras 搭建人工神经网络
二、训练深度神经网络
三、使用 TensorFlow 自定义模型并训练
四、使用 TensorFlow 加载和预处理数据
五、使用卷积神经网络实现深度计算机视觉
六、使用 RNN 和 CNN 处理序列
七、使用 RNN 和注意力机制进行自然语言处理
八、使用自编码器和 GAN 做表征学习和生成式学习
九、强化学习
十、规模化训练和部署 TensorFlow 模型
V2 PyTorch
V2 PyTorch
README
简介
简介
1.0 简介
1.1 Why PyTorch?
1.2 安装 PyTorch
神经网络基础
神经网络基础
2.0 神经网络基础
2.1 Torch vs Numpy
2.2 变量 (Variable
2.3 激励函数 (Activation
建造第一个神经网络
建造第一个神经网络
3.0 建造第一个神经网络
3.1 关系拟合 (回归 Regression
3.2 区分类型 (分类 Classification
3.3 快速搭建回归神经网络
3.4 保存和恢复模型
3.5 数据读取 (Data Loader
3.6 优化器 (Optimizer
高级神经网络结构
高级神经网络结构
4.0 高级神经网络结构
4.1 CNN 卷积神经网络
4.2 RNN 循环神经网络 (分类 Classification
4.3 RNN 循环神经网络 (回归 Regression
4.4 AutoEncoder (自编码/非监督学习
4.5 DQN 强化学习 (Reinforcement Learning
4.6 GAN (Generative Adversarial Nets 生成对抗网络
高阶内容
高阶内容
5.0 高阶内容
5.1 为什么 Torch 是动态的
5.2 GPU 加速运算
5.3 Dropout 防止过拟合
5.4 Batch Normalization 批标准化
贡献者
PyTorch 神经网络基础
我们一直在努力
apachecn/AiLearning
为正常使用来必力评论功能请激活JavaScript
