【总目录】人工智能、机器学习、深度学习总结大全----目录.未完待续...

要想看更多信息，请访问我的主页呦
人工智能论文合集
人工智能论文合集（18年11月）

---

一、Python

Python只是一个用来处理数据的工具，哪里不会，直接点击第三点链接，内容齐全
1、官网
2、下载地址
3、教程地址
4、Python文件操作大全
5、Pycharm永久激活方法

二、爬虫

1、爬虫--------基础语法及案例（py2环境）
2、爬虫--------基础语法及案例（py3环境）
           ~~~~~~~~~~           ●requests的用法
           ~~~~~~~~~~           ●爬取51job职位
           ~~~~~~~~~~           ●天猫链接爬取
           ~~~~~~~~~~           ●获取豆瓣电影的排行
           ~~~~~~~~~~           ●获取代理IP
           ~~~~~~~~~~           ●抓取图片
           ~~~~~~~~~~           ●正则表达式及例题
           ~~~~~~~~~~           ●中文转码处理
           ~~~~~~~~~~           ●BeautifulSoup
           ~~~~~~~~~~           ●部分头部信息
3、爬虫----网易云音乐Top250的数据歌词信息的连续爬取
4、Scrapy----安装及基础案例
           ~~~~~~~~~~           ●基础流程
           ~~~~~~~~~~           ●梦幻西游链接
           ~~~~~~~~~~           ●豆瓣信息
5、Scrapy+Selenium—进阶用法+高级
6、十大经典排序算法—Python写法

---

三、Mysql

1、Mysql--------安装和调试
2、Mysql--------基础语句及练习
3、Mysql--------mysql\mongoDB在python应用试题及解析
4、Mysql--------Mysql打包及写入数据,读取及保存至xls文档中

---

四、MongoDB

1、MongoDB--------安装
           ~~~~~~~~~~           ●安装教程
2、MongoDB--------基础语句及格式
           ~~~~~~~~~~           ●数据指令
           ~~~~~~~~~~           ●python和mongoDB运用
           ~~~~~~~~~~           ●mongoDB连接多个
3、MongoDB--------练习及应用

---

五、Numpy

1、Numpy--------基础知识1
2、Numpy--------基础知识2
3、Numpy--------进阶知识1
           ~~~~~~~~~~           ●索引切片，转换，组合
4、Numpy--------进阶知识2
           ~~~~~~~~~~           ●读写，各个数学数值的计算，利率
5、Numpy--------矩阵运算及线性代数应用

---

六、Scipy

1、Scipy--------基础+进阶语法
2、Scipy--------高级知识及事例
           ~~~~~~~~~~           ●股价预测，电影票房，图像，声音处理

---

七、Pandas

1、Pandas--------基础+进阶
2、Pandas--------高级篇
           ~~~~~~~~~~           ●数据规整化，聚合与分组
3、Pandas--------5道小练习

---

八、其他常用工具

1、Jupyter notebook--------转化为网页的方法
2、Jupyter notebook——–插入图片的几种方法
3、Markdown--------常用格式

---

九、可视化工具Matplotlib

1、Matploylib--------入门+基础
2、Matploylib--------进阶篇
           ~~~~~~~~~~           ●重构
3、Matploylib--------Matplotlib+Pandas高级篇及应用
4、Matploylib--------Matplotlib+Pandas小练习
5、Matploylib--------Matplotlib+Pyecharts 高级篇及应用

---

十、数理统计（原理）

1、数学必知必会--------向量
           ~~~~~~~~~~           ●向量定义
           ~~~~~~~~~~           ●向量的投影
           ~~~~~~~~~~           ●向量的点积与内积
           ~~~~~~~~~~           ● cos相似度与pearson相似度
           ~~~~~~~~~~           ● 向量的线性相关性
2、数学必知必会--------矩阵积线性变换
           ~~~~~~~~~~           ●矩阵算法
           ~~~~~~~~~~           ●矩阵的线性变换
                     ~~~~~~~~~~~~~~~~~~~~                     ●伸缩
                     ~~~~~~~~~~~~~~~~~~~~                     ●旋转
           ~~~~~~~~~~           ●svd奇异值分解
           ~~~~~~~~~~           ●svd奇异值去噪/降维
3、数学必知必会--------导数、积分、均方误差、梯度
           ~~~~~~~~~~           ●导数
           ~~~~~~~~~~           ●偏导数
                     ~~~~~~~~~~~~~~~~~~~~                     ●定积分
                     ~~~~~~~~~~~~~~~~~~~~                     ●不定积分
           ~~~~~~~~~~           ●梯度（简单介绍）
           ~~~~~~~~~~           ●下降法
                     ~~~~~~~~~~~~~~~~~~~~                     ●monmentum
                     ~~~~~~~~~~~~~~~~~~~~                     ●Nesrerov
4、数学必知必会--------极限和连续函数
           ~~~~~~~~~~           ●运算规则
           ~~~~~~~~~~           ●洛必达法则
           ~~~~~~~~~~           ●连续函数
5、数学必知必会--------无穷级数
           ~~~~~~~~~~           ●幂级数
           ~~~~~~~~~~           ●泰勒级数
           ~~~~~~~~~~           ● 傅里叶级数
6、数学必知必会--------概率及各类图形

---

十一、机器学习之原理及算法

1、      ~~~~     机器学习--------算法图解
2、      ~~~~     机器学习--------算法入门
3、      ~~~~     机器学习--------数据准备&特征工程（1）
               ~~~~~~~~~~~~~~               ●独热编码，归一，离散，缺失值处理，特征组合
4、      ~~~~     机器学习--------数据准备&特征工程（2）
               ~~~~~~~~~~~~~~               ●LDA,PCA介绍，流行学习，评估指标介绍,
5、      ~~~~     机器学习--------逻辑回归算法
               ~~~~~~~~~~~~~~               ●精确率，召回率，F1值，KS值，AUC,ROC,误分类矩阵，几率odd
6、      ~~~~     机器学习--------KNN邻算法介绍
               ~~~~~~~~~~~~~~               ●近似误差，估计误差，kd树，代码实现
7、    ~~   机器学习--------KNN中的Kd树及BBF优化
               ~~~~~~~~~~~~~~               ●KD树，BBF优化，VP和MVP树，二叉排序树
8、      ~~~~     机器学习--------决策树算法
               ~~~~~~~~~~~~~~               ●熵，信息增益，信息增益率，剪枝，GINI值
9、      ~~~~     机器学习--------SVM支持向量机简介
10、    ~~   机器学习--------支持向量机（SVM算法）详解+推导
11、    ~~   机器学习--------朴素贝叶斯算法介绍
12、    ~~   机器学习--------朴素贝叶斯算法详解
13、    ~~   机器学习--------距离分类
14、    ~~   机器学习--------聚类分析（K均值算法）
15、    ~~   机器学习--------L1和L2简单易懂的理解
16、    ~~   机器学习--------Apriori算法（关联规则）
17、    ~~   机器学习--------EM算法
18、    ~~   机器学习--------凸优化
19、    ~~   机器学习--------PageRank算法
20、    ~~   机器学习--------维数灾难
21、    ~~   机器学习--------EM算法及GMM(高斯混合模型）的详解
22、    ~~   机器学习--------牛顿法在机器学习中的运用
23、    ~~   机器学习--------统计学习方法-1
24、    ~~   机器学习--------统计学习方法-2
25、    ~~   机器学习--------统计学习方法-3（手写稿）
26、    ~~   机器学习--------难点总结（持续更新）
27、    ~~   机器学习--------集成学习
28、    ~~   机器学习--------聚类总结
29、    ~~   机器学习--------降采样、PCA、LDA
30、    ~~   机器学习--------逻辑回归（算法详解）
31、    ~~   机器学习--------Xgboost与GBDT
32、    ~~   机器学习--------深入解剖随机森林算法
33、    ~~   机器学习--------多项式核/RBF核对异或（XOR）拟合SVM代码

十二、人工智能之面试问题总结（不定期更新）

1、    ~~   机器学习--------面试常用知识点-1
           ~~~~~~~~~~           ●凸优化，梯度下降，牛顿法，拟牛顿法，共轭梯度法
2、    ~~   机器学习--------面试常用知识点-2
           ~~~~~~~~~~           ●梯度消失与梯度膨胀，以及6种解决措施
3、    ~~   
深度学习--------42个机器学习与深度常用面试题简结

---

十三、大数据熟悉之原理

1、    ~~   大数据--------数据分析及Ptyhon实现(Hadoop)
2、    ~~   大数据--------Hive集成Python分析
           ~~~~~~~~~~           ●HIVE用法和SQL语法，时间戳转换
3、    ~~   大数据--------Spark中的 决策树 及 SVM 建模
4、    ~~   大数据--------Spark中决策树模型Pipeline的建立 和 两种验证方法(完整版)

---

十四、深度学习

1、      ~~~~     深度学习--------CNN卷积神经网络之简介说明及内部计算介绍
2、      ~~~~     深度学习--------CNN的图像学习之HOG(方向梯度直方图)详解
3、      ~~~~     深度学习--------CNN的数字识别之LeNet-5
4、      ~~~~     深度学习--------CNN模型学习之ResNet（残差）网络
5、      ~~~~     深度学习-------CNN几种常见网络结构及区别
           ~~~~~~~~~~           ●AlexNet网络、VGG网络、GoogleLeNet网络
6、      ~~~~     深度学习--------GAN（生成对抗神经网络）原理解析
7、      ~~~~     深度学习--------GAN生成对抗网络之SIFT特征（详解）
8、      ~~~~     深度学习--------现今主流GAN原理总结及对比
           ~~~~~~~~~~           ●GAN、CGAN、DCGAN、WGAN、WGAN-GP、LSGAN、BEGAN
9、      ~~~~     深度学习--------从RNN 到 LSTM 再到进化 GRU
10、    ~~   深度学习--------自然语言处理之Word2Vec原理
11、    ~~   深度学习--------从R-CNN，SPP-NET，Fast-R-CNN，Faster-R-CNN，YOLO，SSD，R-FCN发展
12、    ~~   深度学习--------梯度消失与梯度膨胀，以及6种解决措施

---

十五、专题：自然语言处理

1、      ~~~~     深度学习--------NLP结巴分词基础
2、      ~~~~     深度学习--------NLP关键词抽取的常见算法
3、      ~~~~     深度学习--------NLP结巴分词词性大全
4、      ~~~~     深度学习--------基于keras的LSTM三分类的文本情感分析原理及代码
5、      ~~~~     深度学习--------NLP-fastext原理细解
6、      ~~~~     深度学习--------NLP-ELMO算法模型解剖（基于双向BiLSTM的模型）
7、      ~~~~     深度学习--------NLP-TextCNN文本分类解读
8、      ~~~~     深度学习--------NLP-TextRank算法详解
8、      ~~~~     深度学习--------NLP-transformer模型之图示进阶篇
9、      ~~~~     深度学习--------NLP-transformer模型之精简理解图示篇
10、    ~~   深度学习--------命名实体识别（CRF及变种）
11、    ~~   深度学习--------Stanford nlp安装以及环境变量配置问题
12、    ~~   深度学习--------命名实体识别与关系抽取总结