学习之乐土

总结一下，自己感觉比较好的学习资源

优秀博客

• 刘建平Pinard
  机器学习 | 深度学习 | 自然语言处理
• 莫凡
  个人主页 | YouTube
• colah (一位 google resharch)
  深度学习
• TensorFlow 实现 RNN，原理到代码，非常详细
  RNN
• 一个学生写的深度学习博客

TensorFlow

• TensorFlow Example 对于入门者非常有帮助
• 我的 TensorFlow 学习之路

机器学习

• 李宏毅 官方课程
• 李宏毅机器学习(2017) bilibili
• 李宏毅机器学习 YouTube
• 李宏毅机器学习 课件

• 机器学习实战 实例讲解
• 损失函数

• 分类算法
  感知机
  逻辑回归 ~ 朴素贝叶斯 ~ 贝叶斯网络 ~ 决策树 ~ 决策树
  支持向量机系列 (相当好)
  支持向量机通俗导论(理解SVM的三层境界)

• 聚类算法
  K均值聚类

• 集成学习 （Ensemble Learning）
  bagging -> 随机森林（random forest） （个体分类器都是 强 model）
  boosting -> Adaboost （个体分类器都是 弱 model）
  参考资料

深度学习

• 李宏毅 官方课程
• 李宏毅深度学习(2017) bilibili

• Neural Networks and Deep Learning 介绍神经网络背后得秘密，有时间一定要看看
• deeplearningbook

• RNN
  • The Unreasonable Effectiveness of Recurrent Neural Networks
  • Understanding LSTM Networks
• CNN
  • 94页论文综述卷积神经网络：从基础技术到研究前景

自然语言处理

• 深度学习与 NLP - 论文笔记与TensorFlow实现

word2vec

• Word2Vec tutorial
• 秒懂词向量Word2vec的本质
• 深度学习word2vec笔记之基础篇
• 深度学习word2vec笔记之算法篇
• word2vec数学原理总结
• Deep learning 实战之 word2vec
• CBOW Skip-gram 两个模型
  word2vec给出了两套框架，分别基于 Hierarchical Softmax 和 Negative Sampling 进行设计
  • Hierarchical Softmax 输出为 huffman 树
  • Negative Sampling 目的是用来提高训练速度并改善所得词向量的质量，与 Hierarchical Softmax 相比，NEG 不再使用复杂的 huffman 树，而是利用（相对简单的）随机负采样，能大幅度提高性能，因而可作为 Hierarchical Softmax 的一种代替。
• word2vec词向量学习笔记

GloVe 训练词向量的模型

• GloVe: Global Vectors for Word Representation
• GloVe模型

小结

• GitHub
• tensorflow 常见 api
• numpy 常见 api
• 注意点
• 斯坦福大学公开课

学习天地

• LeetCode
• Linux基础入门
• Vim编辑器