1.1 微積分：深度學習需要掌握高數微積分的知識，例如基本的求導、偏導數、梯度概念
資源：浙江大學微積分
mit 微積分公開課[1] mit 微積分公開課[2]
1.2 線性代數：需要掌握矩陣乘法、特徵值、特徵向量等，了解矩陣求導，深度學習中90%的運算可能都是優化為矩陣的運算，通過numpy等高度優化的庫完成。
資源：mit 線性代數公開課
同濟大學線性代數
清華大學李永樂-線性代數
1.3 概率論：了解各類分布，如正態分佈、泊松分布等，權重初始化時常常使用某種分布的隨機數進行初始化。掌握最大似然原理等。
資源：史丹福大學cs229概率論pdf
linux基礎、shell程式設計、grep、awk、sed，正規表示式
優質部落格：
1.1 python基礎
1.2 python常用庫：numpy、pandas、maplotlib
pandas.read_csv函式詳解
1.3 計算機視覺庫：opencv2
常見報錯問題：[匯入報錯問題]
1.3 機器學習構架：scikit-learn
常見報錯問題：[匯入kfold報錯] [版本更新報錯問題]
1.4 深度學習框架：tensorflow
tensorflow環境配置：[cpu版本安裝] [gpu版本安裝]
高效的tensorflow 2.0
1.5 深度學習框架：pytorch
1.6 pyqt5
邏輯回歸：[演算法原理推導] [實踐專案]
決策樹：[演算法原理]
svm：支援向量機（svm） [演算法原理推導]
knn：
k-means：
dbscan：
線性回歸：[演算法原理推導] [實踐專案（auto-mpg資料）]
貝葉期：
pca：
隨機梯度下降（sgd）演算法原理推導
啟用函式大全
損失函式大全
影象分類：
lenet5：tensorflow2利用mnist資料集實現lenet5卷積神經網路模型 [lenet5網路介紹]
alexnet：[**翻譯(中英文對照)] [**翻譯(中文)] [網路詳解]
senet：[**翻譯(中英文對照)] [**翻譯(中文)] [網路詳細介紹]
vggnet：[**翻譯(中英文對照)] [**翻譯(中文)] [網路詳解]
googlenet：[**翻譯(中英文對照)] [**翻譯(中文)] [網路介紹]
resnet：[**翻譯(中英文對照)] [**翻譯(中文)] [網路介紹]
zfnet：[**翻譯(中英文對照)] [**翻譯(中文)]
[彙總總結]
目標檢測：
r-cnn：[**翻譯(中英文對照)] [**翻譯(中文)]
fast r-cnn：[**翻譯(中英文對照)] [**翻譯(中文)]
faster r-cnn：[**翻譯(中英文對照)] [**翻譯(中文)]
r-fcn：[**翻譯(中英文對照)] [**翻譯(中文)] [網路介紹]
yolov1：[**翻譯(中英文對照)] [**翻譯(中文)]
yolov2：[**翻譯(中英文對照)] [**翻譯(中文)]
yolov3：[**翻譯(中英文對照)] [**翻譯(中文)]
yolov4：[**翻譯(中英文對照)] [**翻譯(中文)]
其它：xception結構：[網路結構介紹]
[1]. 丁嘉瑞等. python語言及其應用[m] （英文原版：bill lubanovic. introducing python [m]）
[2]. 李斌. 用python寫網路爬蟲[m]
[3]. 跟著迪哥學python資料分析與機器學習實戰. 唐宇迪
[4]. 王碩等. pyqt5快速開發與實戰[m]
[5]. 範淼等. python機器學習及實踐_從零開始通往kaggle競賽之路[m]
[1]. michael nielsen. neural networks and deep learning [m]
[2]. andrew ng. machine leaning yearning[m]. draft version
[3]. 周志華. 機器學習[m]
[4]. hands-on machine learning with scikit-learn, keras, and tensorflow(2nd edition)英文版
[學習筆記彙總] [pdf分享]
[5]. 走向tensorflow 2.0：深度學習應用程式設計快速入門
[6]. 陸宇杰. 深度學習入門：基於python的理論與實現[m]（原版：齋藤康毅(日). deep learning from scratch [m]）
[7]. francois chollet. deep learning with python [m] (英文版、中文版-張亮譯)
[8]. ian goodfellow, yoshua bengio, aaron courville. deep learning [m] (英文版、中文翻譯版)
[9]. 邱錫鵬. 神經網路與深度學習[m]
[10]. alexander t. combs. python machine learning blueprints [m] (英文版、中文版-黃申譯)
[11]. 何之源. 21個專案玩轉深度學習：基於tensorflow的實踐詳解[m]
[12]. 李嘉璇. tensorflow技術解析與實戰[m]
[1]. opencv-python官網教程（段力輝譯）
tensorflow2載入numpy陣列格式mnist資料集完成神經網路構建
tensorflow2利用鐵達尼號獲救csv資料集完成資料預處理
感受神經網路的強大，對比普通機器學習分類演算法與神經網路演算法的分類能力
tensorflow2利用mnist資料集實現lenet5卷積神經網路模型
python實現邏輯回歸(logistic regression)與梯度下降策略
python徒手實現反向傳播演算法
tensorflow2利用mnist資料集實現lenet5卷積神經網路模型
tensorflow2利用oxford-iiit pets dataset資料集(mobilenetv2預訓練模型和pix2pix)完成影象分隔任務
tensorflow2利用tf.image實現資料增強
tensorflow2使用預訓練的卷積網路(convnet)進行遷移學習
tensorflow2使用tensorflow hub進行遷移學習（利用flower_photos.tgz資料集）
tensorflow2利用貓狗資料集(cats_and_dogs_filtered.zip)實現卷積神經網路完成分類任務
tensorflow2利用fashion_mnist資料集實現神經網路影象分類任務
tensorflow2利用auto-mpg資料集實現神經網路回歸任務
tensorflow2利用cifar10資料集實現卷積神經網路
tensorflow2中使用keras tuner搜尋網路的超引數
tensorflow2模型儲存與載入
機器學習路線
python基礎知識 常用的結構 基礎教程 菜鳥教程 庫 numpy 官方 中文教程 易百教程有些不全 pandas 官方 中文教程 易百教程 matplotlib 官方 python相應的書籍 python從入門到實踐 知乎推薦 資料處理的書籍 利用python進行資料分析 機器學習演算法庫 sk...
機器學習深度學習
機器學習與深度學習，人工智慧 這些領域，如果機器需要向人學習，那麼，人是如何學習的，或者人思維是如何運作的。構 的乙個思維生態 閉環 目前機器學習人工智慧的取得較大發展是依託統計概率論。如果機器需要有自己的ai，那麼是否意味著人在創造生命。因為，生命可以不斷的延續。那麼什麼是生命，生命由那些構成，構...
機器學習 深度學習
深度學習歷程 深度學習是一種機器學習方法，給定一組輸入 值輸入或者傳出計算機資訊 它允許我們訓練人工智慧來 輸出。吳恩達 與深度學習類似的是，火箭發動機是深度學習模型，燃料是我們可以提供給這些演算法的海量資料。神經網路是一組粗略模仿人類大腦，用於模式識別的演算法。1981 年 諾貝爾獎，人的視覺系統...