数据分析
- 常数e
- 导数
- 梯度
- Taylor
- gini系数
- 信息熵与组合数
- 梯度下降
- 牛顿法
概率论
- 微积分与逼近论
- 极限、微分、积分基本概念
- 利用逼近的思想理解微分、利用积分的方式理解概率
- 概率论基础
- 古典模型
- 常见概率分布
- 大数定理和中心极限定理
- 协方差(矩阵)和相关系数
- 最大似然估计和最大后验估计
线性代数和矩阵
- 线性空间及线性变换
- 矩阵的基本概念
- 状态转移矩阵
- 特征向量
- 矩阵的相关乘法
- 矩阵的QR分解
- 对称矩阵、正交矩阵、正定矩阵
- 矩阵的SVD分解
- 矩阵的求导
- 矩阵的映射/投影
Python高阶应用
容器
- 列表 list
- 元祖 tuple
- 字典 dict
- 数组 array
- 切片
- 列表推导式
- 浅拷贝和深拷贝
函数
- lambda 函数
- 递归函数及尾递归优化
- 常用内置函数/高阶函数
- 实例:约瑟夫环问题
常用库
- 时间库
- 并发库
- 科学计算库
- Matplotlib
- 锁和线程
- 多线程编程
机器学习
- 概述
监督学习
- 逻辑回归
- softmax分类
- 条件随机场
- 支持向量机SVM
- 决策树
- 随机森林
- GBDT
- 集成学习
非监督学习
- 高斯混合模型
- 聚类
- PCA
- 密度估计
- LSI
- LDA
- 双聚类
- 降维算法
数据处理和模型优化
- 特征提取
- 数据预处理
- 数据降维
- 模型参数调优
- 模型持久化
- 模型可视化
- 优化算法:坐标轴下降法和最小角回归法
- 数据挖掘关联规则算法
- 感知器模型
深度学习
- TensorFlow的基本应用
- BP神经网络
- 深度学习概述
- 卷积神经网络CNN
- 图像分类(vgg,resnet)
- 目标检测(rcnn,fast-rcnn,faster-rcnn,ssd)
- 递归神经网络(RNN)
- LSTM,BI-LSTM,多层LSTM
- 无监督学习之AutoEncoder自动编码器
- Seq2Seq
- Seq2Seq with Attension
- 生成对抗网络
- irgan
- finetune及迁移学习
- 孪生网络
- 小样本学习
自然语言学习
- 词(分词、词性标注)
- 词(深度学习之词向量,字向量)
- 词(深度学习之实体识别和关系抽取)
- 关键字提取、无用词过滤
- 句法分析,语义分析
- 自然语言理解,一阶逻辑
- 深度学习之文本相似度
图像处理
- 图像基础
- 图像操作及算数运算
- 图像颜色空间运算
- 图像几何变换
- 图像轮廓
- 图像形态学
- 图像统计学
- 图像滤波