机器学习知识图谱

数据分析

• 常数e
• 导数
• 梯度
• Taylor
• gini系数
• 信息熵与组合数
• 梯度下降
• 牛顿法

概率论

• 微积分与逼近论
• 极限、微分、积分基本概念
• 利用逼近的思想理解微分、利用积分的方式理解概率
• 概率论基础
• 古典模型
• 常见概率分布
• 大数定理和中心极限定理
• 协方差（矩阵）和相关系数
• 最大似然估计和最大后验估计

线性代数和矩阵

• 线性空间及线性变换
• 矩阵的基本概念
• 状态转移矩阵
• 特征向量
• 矩阵的相关乘法
• 矩阵的QR分解
• 对称矩阵、正交矩阵、正定矩阵
• 矩阵的SVD分解
• 矩阵的求导
• 矩阵的映射/投影

Python高阶应用

容器

• 列表 list
• 元祖 tuple
• 字典 dict
• 数组 array
• 切片
• 列表推导式
• 浅拷贝和深拷贝

函数

• lambda 函数
• 递归函数及尾递归优化
• 常用内置函数/高阶函数
• 实例：约瑟夫环问题

常用库

• 时间库
• 并发库
• 科学计算库
• Matplotlib
• 锁和线程
• 多线程编程

机器学习

• 概述

监督学习

• 逻辑回归
• softmax分类
• 条件随机场
• 支持向量机SVM
• 决策树
• 随机森林
• GBDT
• 集成学习

非监督学习

• 高斯混合模型
• 聚类
• PCA
• 密度估计
• LSI
• LDA
• 双聚类
• 降维算法

数据处理和模型优化

• 特征提取
• 数据预处理
• 数据降维
• 模型参数调优
• 模型持久化
• 模型可视化
• 优化算法：坐标轴下降法和最小角回归法
• 数据挖掘关联规则算法
• 感知器模型

深度学习

• TensorFlow的基本应用
• BP神经网络
• 深度学习概述
• 卷积神经网络CNN
• 图像分类（vgg,resnet）
• 目标检测（rcnn,fast-rcnn,faster-rcnn,ssd）
• 递归神经网络（RNN）
• LSTM,BI-LSTM,多层LSTM
• 无监督学习之AutoEncoder自动编码器
• Seq2Seq
• Seq2Seq with Attension
• 生成对抗网络
• irgan
• finetune及迁移学习
• 孪生网络
• 小样本学习

自然语言学习

• 词（分词、词性标注）
• 词（深度学习之词向量，字向量）
• 词（深度学习之实体识别和关系抽取）
• 关键字提取、无用词过滤
• 句法分析，语义分析
• 自然语言理解，一阶逻辑
• 深度学习之文本相似度

图像处理

• 图像基础
• 图像操作及算数运算
• 图像颜色空间运算
• 图像几何变换
• 图像轮廓
• 图像形态学
• 图像统计学
• 图像滤波