机器学习笔记汇总

ML-notes

notes about machine learning

很喜欢一句话：应用之道，存乎一心，与大家共勉

ps：如果我的笔记对你有帮助，给个star叭！

ML配套Assignments (ppt+code)：https://github.com/Sakura-gh/ML-assignments

内容包括：Regression, Classification, CNN, RNN, Explainable AI, Adversarial Attack, Network Compression, Seq2Seq, GAN, Transfer Learning, Meta Learning, Life-long Learning, Reforcement Learning.

pages

the github page is: https://Sakura-gh.github.io/ML-notes

you can also visit gitee page for quicker Internet in China: https://Sakura-gh.gitee.io/ml-notes

keras实践经验：

keras-tips

html链接：

1_Introduction

2_Regression Case Study

3_Regression demo(Adagrad)

4_Where does the error come from

5_Gradient Descent

6_Classification

7_Logistic Regression

8_Deep Learning

9_Backpropagation

10_Keras

11_Convolutional Neural Network part1

12_Convolutional Neural Network part2

13_Tips for Deep Learning

14_Why Deep

csdn博客链接：

机器学习系列1-机器学习概念及介绍

机器学习系列2-回归案例研究

梯度下降代码举例：Gradient Descent Demo(Adagrad)

机器学习系列4-模型的误差来源及减少误差的方法

机器学习系列5-梯度下降法

机器学习系列6-分类问题(概率生成模型)

机器学习系列7-逻辑回归

机器学习系列8-深度学习简介

机器学习系列9-反向传播

机器学习系列10-手写数字识别(Keras2.0)

机器学习系列11-卷积神经网络CNN part1

机器学习系列12-卷积神经网络CNN part2

机器学习系列13-深度学习的技巧和优化方法

机器学习系列14-为什么要做“深度”学习

代码链接：

Gradient Descent Demo(Adagrad)

手写数字识别(Keras2.0)

手写数字识别CNN实现(Keras2.0)

Assignments链接：

• 1_Regression

• 2_Classification

• 3_CNN

• 4_RNN

• 5_Explainable AI

• 6_Adversarial Attack

• 7_Network Compression

• 8_Seq2Seq

• 9_Unsupervised Learning

• 10_Anomaly Detection

• 11_GAN

• 12_Transfer Learning

• 13_Meta Learning

• 14_Life Long Learning

• 15_Reinforcement Learning

注：最近打算做一个微信公众号用于分享我在计算机学科学习到的知识和项目，暑假开始长期更新，欢迎大家关注：