Coding the Machine Learning Tutorial for Learning to Learn

• 第一期:从零开始用TensorFlow搭建卷积神经网络--&--文章代码
  • 补充资料:基础代码解析
  • 补充资料:Keras构建CNN
  • 补充资料:TensorFlow构建LeNet-5
  • 补充资料:从DensNet到CliqueNet,探索卷积神经网络架构
• 第二期:GAN完整理论推导与实现--&--文章代码
  • 补充资料:原版GAN的TensorFlow实现
• 第三期:CapsNet结构解析与实现--&--文章代码
  • 补充资料:解读官方实现的核心代码
• 第四期:RNN与CNN的序列建模--&--LSTM语言建模--&--TCN官方实现--&--TCN语言建模(Colaboratory)
• 第五期:基于Transformer的神经机器翻译--&--Colaboratory实现

为了扩展优秀模型与实现,机器之心将梳理历史优质文章,同时也欢迎各位开发者与研究者提供优质的文章。我们将尝试确定添加的文章都是可复现,且基本无理解性错误的文章,并按以下模型归类。若读者发现这些文章有错误或理解误差,可以在 GitHub 上提 issue,确定后我们将修改文章。

• 数学与编程基础
  • 线性代数
    • 教程 | 基础入门:深度学习矩阵运算的概念和代码实现
  • 概率与信息论
    • 从概率论到多分类问题:综述贝叶斯统计分类
  • 数值计算
  • Python基础
    • 从变量到封装:一文带你为机器学习打下坚实的Python基础
    • 一文带你了解 Python 集合与基本的集合运算
  • NumPy基础
    • 搭建模型第一步:你需要预习的 NumPy 基础都在这了
    • 从数组到矩阵的迹,NumPy常见使用大总结
    • 数据科学初学者必知的NumPy基础知识
• 一般机器学习
  • 入门模型
    • 线性回归
      • 初学TensorFlow机器学习:如何实现线性回归?
      • Python环境下的8种简单线性回归算法
      • 极简Python带你探索分类与回归的奥秘
    • Logistic 回归
      • 从原理到应用:简述Logistics回归算法
      • 从头开始:用Python实现带随机梯度下降的Logistic回归
  • 朴素贝叶斯
    • 实践中最广泛应用的分类模型:朴素贝叶斯算法
  • 决策树
  • 支持向量机
  • 聚类方法
    • K均值聚类
    • 层次聚类
  • 降维算法
    • PCA
    • 自编码器
    • t-SNE
  • 集成方法
    • Staking
    • Bagging
      • 随机森林
    • Boosting
      • AdaBoost
      • 提升树
      • 梯度提升树
  • 概率图模型
    • 隐马尔科夫模型
    • 隐马尔可夫随机场
    • 条件随机场
  • 半监督学习
    • Entropy-based
    • Graph-based
• 深度学习
  • 最优化方法
  • 深度前馈网络
  • 深度卷积网络
  • 深度循环网络
  • 深度生成模型
    • PixelRNN/PixelCNN
    • VAE
    • GAN