Attention Please!TWO HUNDREDS OF machine learning turorial summary

Posted 2021-01-10 hugeng007

Machine Learning

The First Column	The Second Column
Machine Learning 1	从机器学习入手
Machine Learning 2	机器学习很有趣！
Machine Learning 3	机器学习规则：ML工程的最佳实践
Machine Learning 4	机器学习速成课程：第一部分
Machine Learning 5	第二部分;伯克利机器学习
Machine Learning 6	第三部分;伯克利机器学习
Machine Learning 7	机器学习理论及其应用简介：用一个小例子进行视觉教程
Machine Learning 8	[机器学习的简单指南](https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/
Machine Learning 9	我应该使用哪种机器学习算法？
Machine Learning 10	机器学习入门
Machine Learning 11	初学者机器学习教程

激活函数和Dropout函数

The First Column	The Second Column
1	Sigmoid神经元
2	激活函数在神经网络中的作用是什么？
3	神经网络中常见的激活函数的优缺点比较列表
4	激活函数及其类型对比
5	理解对数损失
6	损失函数;斯坦福CS231n
7	L1与L2损失函数
8	交叉熵成本函数

偏差（bias）

The First Column	The Second Column
1	偏差在神经网络中的作用
2	[神经网络中的偏差节点](http://makeyourownneuralnetwork.blogspot.com/2016/06/bias-nodes-in-neural-networks.html]
3	什么是人工神经网络的偏差？

感知器

The First Column	The Second Column
1	感知器
2	感知器
3	单层神经网络（感知器）
4	从Perceptrons到Deep Networks

回归

The First Column	The Second Column
1	线性回归分析介绍
2	线性回归
3	线性回归
4	Logistic回归
5	机器学习的简单线性回归教程
6	机器学习的Logistic回归教程
7	Softmax回归

梯度下降

The First Column	The Second Column
1	在梯度下降中学习
2	梯度下降
3	如何理解梯度下降算法
4	梯度下降优化算法概述
5	优化：随机梯度下降（斯坦福CS231n）

生成学习（GenerativeLearning）

The First Column	The Second Column
1	生成学习算法（斯坦福CS229）
2	[朴素贝叶斯分类器的实用解释] (https://monkeylearn.com/blog/practical-explanation-naive-bayes-classifier/)

支持向量机

The First Column	The Second Column
1	支持向量机（SVM）简介
2	支持向量机（斯坦福CS229）
3	线性分类：支持向量机，Softmax

反向传播

The First Column	The Second Column
1	你能给出神经网络反向传播算法的直观解释吗
2	反向传播算法的工作原理
3	通过时间反向传播和消失的渐变
4	时间反向传播的简单介绍
5	反向传播，直觉（斯坦福CS231n）

深度学习

The First Column	The Second Column
1	YN2深度学习指南
2	深度学习论文阅读路线图
3	Nutshell中的深度学习
4	深度学习教程
5	什么是深度学习？
6	人工智能，机器学习和深度学习之间有什么区别
7	深度学习–简单介绍

最优化和降维

The First Column	The Second Column
1	数据降维减少的七种技术
2	主成分分析（斯坦福CS229）
3	Dropout：一种改善神经网络的简单方法
4	如何训练你的深度神经网络?

长短期记忆（LSTM）

The First Column	The Second Column
1	长短期记忆网络的通俗介绍
2	了解LSTM 神经网络Networks
3	探索LSTM
4	任何人都可以学习用Python编写LSTM-RNN

卷积神经网络（CNN）

The First Column	The Second Column
1	卷积网络介绍
2	深度学习和卷积神经网络
3	Conv Nets：模块化视角
4	[了解卷积](http://colah.github.io/posts/2014-07-Understanding-Convolutions/）

递归神经网络（RNN）

The First Column	The Second Column
1	递归神经网络教程
2	注意和增强的递归神经网络
3	递归神经网络的不合理有效性
4	深入了解递归神经网络

强化学习

The First Column	The Second Column
1	强化学习初学者入门及其实施指南
2	强化学习教程
3	学习强化学习
4	深度强化学习：来自像素的乒乓球

生成对抗网络（GAN）

The First Column	The Second Column
1	对抗机器学习简介
2	什么是生成性对抗网络？
3	滥用生成对抗网络制作8位像素艺术
4	Generative Adversarial Networks简介（TensorFlow中的代码）
5	初学者的生成对抗网络

多任务学习

The First Column	The Second Column
1	深度神经网络中多任务学习概述

NLP

The First Column	The Second Column
1	自然语言处理很有趣！
2	自然语言处理神经网络模型入门
3	自然语言处理权威指南
4	自然语言处理简介
5	自然语言处理教程
6	自然语言处理（NLP）来自Scratch

Python

The First Column	The Second Column
1	机器学习速成课程
2	令人敬畏的机器学习
3	使用Python掌握机器学习的7个步骤
4	一个示例机器学习笔记
5	使用Python进行机器学习

实战案例

The First Column	The Second Column
1	如何在Python中从头开始实现感知器算法
2	在Python中使用Scratch实现神经网络
3	使用11行代码在Python中实现神经网络
4	使用Python实现你自己的k-Nearest Neighbor算法
5	来自Scatch的ML
6	Python机器学习（第2版）代码库

Scipy和numpy

The First Column	The Second Column
1	Scipy讲义
2	Python Numpy教程
3	Numpy和Scipy简介
4	Python中的科学家速成课程

scikit学习

The First Column	The Second Column
1	PyCon scikit-learn教程索引
2	scikit-learn分类算法
3	scikit-learn教程
4	简短的scikit-learn教程

Tensorflow

The First Column	The Second Column
1	Tensorflow教程
2	TensorFlow简介 - CPU与GPU
3	TensorFlow
4	Tensorflow中的RNN
5	在TensorFlow中实现CNN进行文本分类
6	如何使用TensorFlow运行文本摘要

PyTorch

The First Column	The Second Column
1	PyTorch教程
2	[PyTorch的简单介绍](http://blog.gaurav.im/2017/04/24/a-gentle-intro-to-pytorch/）
3	教程：PyTorch中的深度学习
4	PyTorch示例
5	PyTorch教程
6	深度学习研究人员的PyTorch教程