《AI算法工程师手册》

本文转载自：http://www.huaxiaozhuan.com/

这是一份机器学习算法和技能的学习手册，可以作为学习工作的参考，都看一遍应该能收获满满吧。

作者华校专，曾任阿里巴巴资深算法工程师，现任智易科技首席算法研究员，《Python 大战机器学习》的作者。

这是作者多年以来学习总结的笔记，经整理之后开源于世。目前还有约一半的内容在陆续整理中，已经整理好的内容放置在此。 曾有出版社约稿，但是考虑到出版时间周期较长，而且书本购买成本高不利于技术广泛传播，因此作者采取开源的形式。 笔记内容仅供个人学习使用，非本人同意不得应用于商业领域。

笔记内容较多，可能有些总结的不到位的地方，欢迎大家探讨。联系方式:[email protected]

另有个人在 github 上的一些内容：

• "《算法导论》的C++实现"代码：https://github.com/huaxz1986/cplusplus-_Implementation_Of_Introduction_to_Algorithms
• 《Unix 环境高级编程第三版》笔记：https://github.com/huaxz1986/APUE_notes

数学基础

• 1.线性代数基础
  • 一、基本知识
  • 二、向量操作
  • 三、矩阵运算
  • 四、特殊函数
• 2.概率论基础
  • 一、概率与分布
  • 二、期望和方差
  • 三、大数定律及中心极限定理
  • 五、常见概率分布
  • 六、先验分布与后验分布
  • 七、信息论
  • 八、其它
• 3.数值计算基础
  • 一、数值稳定性
  • 二、梯度下降法
  • 三、二阶导数与海森矩阵
  • 四、牛顿法
  • 五、拟牛顿法
  • 六、 约束优化
• 4.蒙特卡洛方法与 MCMC 采样
  • 一、蒙特卡洛方法
  • 二、马尔可夫链
  • 三、MCMC 采样

统计学习

• 0.机器学习简介
  • 一、基本概念
  • 二、监督学习
  • 三、机器学习三要素
• 1.线性代数基础
  • 一、线性回归
  • 二、广义线性模型
  • 三、对数几率回归
  • 四、线性判别分析
  • 五、感知机
• 2.支持向量机
  • 一、 线性可分支持向量机
  • 二、线性支持向量机
  • 三、非线性支持向量机
  • 四、支持向量回归
  • 五、SVDD
  • 六、序列最小最优化方法
  • 七、其它讨论
• 3.朴素贝叶斯
  • 一、贝叶斯定理
  • 二、朴素贝叶斯法
  • 三、半朴素贝叶斯分类器
  • 四、其它讨论
• 4.决策树
  • 一、 原理
  • 二、 特征选择
  • 三、生成算法
  • 四、剪枝算法
  • 五、CART 树
  • 六、连续值、缺失值处理
  • 七、多变量决策树
• 5.knn
  • 一、k 近邻算法
  • 二、 kd树
• 6.集成学习
  • 一、集成学习误差
  • 二、 Boosting
  • 三、Bagging
  • 四、集成策略
  • 五、多样性分析
• 7.梯度提升树
  • 一、提升树
  • 二、xgboost
  • 三、LightGBM
• 8.特征工程
  • 一、缺失值处理
  • 二、特征编码
  • 三、数据标准化、正则化
  • 四、特征选择
  • 五、稀疏表示和字典学习
  • 六、多类分类问题
  • 七、类别不平衡问题
• 9.模型评估
  • 一、泛化能力
  • 二、过拟合、欠拟合
  • 三、偏差方差分解
  • 四、参数估计准则
  • 五、泛化能力评估
  • 六、训练集、验证集、测试集
  • 七、性能度量
  • 七、超参数调节
  • 八、传统机器学习的挑战
• 10.降维
  • 一、维度灾难
  • 二、主成分分析 PCA
  • 三、核化线性降维 KPCA
  • 四、流形学习
  • 五、度量学习
  • 六、概率PCA
  • 七、独立成分分析
  • 八、t-SNE
  • 九、LargeVis
• 11.聚类
  • 一、性能度量
  • 二、原型聚类
  • 三、密度聚类
  • 四、层次聚类
  • 五、谱聚类
• 12.半监督学习
  • 半监督学习
  • 一、生成式半监督学习方法
  • 二、半监督 SVM
  • 三、图半监督学习
  • 四、基于分歧的方法
  • 五、半监督聚类
  • 六、 总结
• 13.EM算法
  • 一、示例
  • 二、EM算法原理
  • 三、EM算法与高斯混合模型
  • 四、EM 算法与 kmeans 模型
  • 五、EM 算法的推广
• 14.最大熵算法
  • 一、最大熵模型MEM
  • 二、分类任务最大熵模型
  • 三、最大熵的学习
• 15.隐马尔可夫模型
  • 一、隐马尔可夫模型HMM
  • 二、 HMM 基本问题
  • 三、 最大熵马尔科夫模型MEMM
• 16.概率图与条件随机场
  • 一、概率图模型
  • 二、贝叶斯网络
  • 三、马尔可夫随机场
  • 四、条件随机场 CRF
• 17.边际概率推断
  • 一、精确推断
  • 二、近似推断

深度学习

• 0.深度学习简介
  • 一、 介绍
  • 二、历史
• 1.深度前馈神经网络
  • 一、基础
  • 二、损失函数
  • 三、输出单元
  • 四、隐单元
  • 五、结构设计
  • 六、历史小记
• 2.反向传播算法
  • 一、链式法则
  • 二、反向传播
  • 三、算法实现
  • 四、自动微分
• 3.正则化
  • 一、参数范数正则化
  • 二、显式约束正则化
  • 三、数据集增强
  • 四、噪声鲁棒性
  • 五、早停
  • 六、参数相对约束
  • 七、dropout
  • 八、对抗训练
  • 九、正切传播算法
  • 十、其它相关
• 4.最优化基础
  • 一、代价函数
  • 二、神经网络最优化挑战
  • 三、 mini-batch
  • 四、基本优化算法
  • 五、自适应学习率算法
  • 六、二阶近似方法
  • 七、共轭梯度法
  • 八、优化策略和元算法
  • 九、参数初始化策略
  • 十、Normalization
• 5.卷积神经网络
  • 一、卷积运算
  • 二、卷积层、池化层
  • 三、基本卷积的变体
  • 四、应用
  • 五、 历史和现状
• 5.1.CNN之图片分类
  • 一、LeNet
  • 二、AlexNet
  • 三、VGG-Net
  • 四、Inception
  • 五、ResNet
  • 六、ResNet 变种
  • 七、SENet
  • 八、 DenseNet
  • 九、小型网络
• 6.循环神经网络
  • 一、RNN计算图
  • 二、循环神经网络
  • 三、长期依赖
  • 四、序列到序列架构
  • 五、递归神经网络
  • 六、回声状态网络
  • 七、LSTM 和其他门控RNN
  • 八、外显记忆
• 7.工程实践指导原则
  • 一、性能度量
  • 二、默认的基准模型
  • 三、决定是否收集更多数据
  • 四、选择超参数
  • 五、调试策略
  • 六、示例：数字识别系统
  • 七、数据预处理
  • 八、变量初始化
  • 九、结构设计

自然语言处理

• 主题模型
  • 一、Unigram Model
  • 二、pLSA Model
  • 三、LDA Model
  • 四、模型讨论
• 词向量
  • 一、向量空间模型 VSM
  • 二、LSA
  • 三、Word2Vec
  • 四、GloVe

工具

CRF

• CRF++
  • 一、安装
  • 二、使用
  • 三、Python接口
  • 四、常见错误

lightgbm

• lightgbm使用指南
  • 一、安装
  • 二、调参
  • 三、进阶
  • 四、API
  • 五、Docker

xgboost

• xgboost使用指南
  • 一、安装
  • 二、调参
  • 三、外存计算
  • 四、 GPU计算
  • 五、单调约束
  • 六、 DART booster
  • 七、Python API

scikit-learn

• 1.预处理
  • 一、特征处理
  • 二、特征选择
  • 三、字典学习
  • 四、PipeLine
• 2.降维
  • 一、PCA
  • 二、MDS
  • 三、Isomap
  • 四、LocallyLinearEmbedding
  • 五、FA
  • 六、FastICA
  • 七、t-SNE
• 3.监督学习模型
  • 一、线性模型
  • 二、支持向量机
  • 三、贝叶斯模型
  • 四、决策树
  • 五、KNN
  • 六 、AdaBoost
  • 七、梯度提升树
  • 八、Random Forest
• 4.模型评估
  • 一、数据集切分
  • 二、性能度量
  • 三、验证曲线 && 学习曲线
  • 四、超参数优化
• 5.聚类模型
  • 一、KMeans
  • 二、DBSCAN
  • 三、MeanShift
  • 四、AgglomerativeClustering
  • 五、BIRCH
  • 六、GaussianMixture
  • 七、SpectralClustering
• 6.半监督学习模型
  • 一、标签传播算法
• 7.隐马尔可夫模型
  • 一、Hmmlearn
  • 二、seqlearn

spark

• 1.基础概念
  • 一、核心概念
  • 二、安装和使用
  • 三、 pyspark shell
  • 四、独立应用
• 2.rdd使用
  • 一、概述
  • 二、创建 RDD
  • 三、转换操作
  • 四、行动操作
  • 五、其他方法和属性
  • 六、持久化
  • 七、分区
  • 八、混洗
• 3.dataframe使用
  • 一、概述
  • 二、SparkSession
  • 三、DataFrame 创建
  • 四、 DataFrame 保存
  • 五、DataFrame
  • 六、Row
  • 七、Column
  • 八、GroupedData
  • 九、functions
• 4.累加器和广播变量
  • 一、累加器
  • 二、广播变量

numpy

• numpy 使用指南
  • 一、 ndarray
  • 二、 ufunc 函数
  • 三、 函数库
  • 四、数组的存储和加载

scipy

• scipy 使用指南
  • 一、 常数和特殊函数
  • 二、 拟合与优化
  • 三、线性代数
  • 四、 统计
  • 五、数值积分
  • 六、 稀疏矩阵

matplotlib

• matplotlib 使用指南
  • 一、matplotlib配置
  • 二、 matplotlib Artist
  • 三、基本概念
  • 四、布局
  • 五、 Path
  • 六、 path effect
  • 七、坐标变换
  • 八、 3D 绘图
  • 九、技巧

pandas

• pandas 使用指南
  • 一、基本数据结构
  • 二、 内部数据结构
  • 三、 下标存取
  • 四、 运算
  • 五、变换
  • 六、数据清洗
  • 七、 字符串操作
  • 八、 聚合与分组
  • 九、时间序列
  • 十、 DataFrame 绘图
  • 十一、 移动窗口函数
  • 十二、 数据加载和保存

 

参考文献：

转载于:https://www.cnblogs.com/shujuxiong/p/10768333.html