机器学习/深度学习资料

机器学习/深度学习资料

一. 入门资料

⭐️

数学基础

机器学习基础

快速入门

• 推荐顺序由前到后
• &&
• && && &&

深入理解

• 推荐顺序由前到后

深度学习基础

快速入门

• 推荐顺序由前到后
• &&
• &&

计算机视觉

• &&

自然语言处理

深度强化学习

深入理解

• ⭐️
• &&

一些书单

工程能力

• && &&
• && && ⭐️
• &&
• Kaggle实战
  • 常用算法：
    • Feature Engineering：continue variable && categorical variable
    • Classic machine learning algorithm：LR, KNN, SVM, Random Forest, GBDT(XGBoost&&LightGBM), Factorization Machine, Field-aware Factorization Machine, Neural Network
    • Cross validation, model selection：grid search, random search, hyper-opt
    • Ensemble learning
  • && &&
  • &&

二. 神经网络模型概览

CNN

发展史

• ：，

• 目标检测算法综述三部曲

• 人脸检测和识别算法综述

  • && &&
  • && &&

• : ， , && && &&

• &&

• ，

• 图像检索的十年、

教程

• && 翻译：、
• CapsNet入门系列
• ， ，，，，
• , , ,
• && &&
• , , ,

Action

• TensorFlow Object Detection API 教程
• &&

GAN

发展史

教程

• \3. 大学李宏毅GAN教程

Action

RNN

发展史

教程

• 吴恩达序列建模课程
• Word2Vec

Action

LSTM

教程

• \4. 翻译：深入理解LSTM系列

Action

GNN

发展史

• &&

教程

Action

三. 深度模型的优化

• \4. 正则化技术总结
• ,
• :,,,, , ,
• &&
• , , ,
• ，，

四. 炼丹术士那些事

调参经验

• &&
• 及
• : , ,
• , ,
• 凭什么相信CNN的结果?–可视化
• ,
• 炼丹笔记系列

刷排行榜的奇技淫巧

图像分类

• &&
• &&
• &&
• Kaggle解决方案分享

目标检测

• ensemble
• deformable
• sync bn
• ms train/test

五. 年度总结

六. 科研相关

深度学习框架

Python3.x(先修)

Numpy(先修)

Opencv-python

Pandas

Tensorflow

MXNet

PyTorch

Python可视化

标注工具

• 目标检测标注工具
• 语义分割标注工具

数据集

会议列表

论文写作工具

论文画图工具

• Visio2016

论文写作教程

• , ,

ResearchGo

毕业论文排版

机器学习、深度学习基础理论

信息论

傅里叶变换