05.深度神经网络算法之深度学习

#05.深度神经网络算法之深度学习简介

05.深度神经网络算法之深度学习
|____(01)机器学习与相关数学初步
|____(02)数理统计与参数估计
|____(03)矩阵分析与应用
|____(04)凸优化初步
|____(05)回归分析与工程应用
|____(06)特征工程
|____(07)工作流程与模型调优
|____(08)最大熵模型与EM算法
|____(09)推荐系统与应用
|____(10)聚类算法与应用
|____(11)决策树随机森林和adaboost
|____(12)SVM
|____(13)贝叶斯方法
|____(14)主题模型
|____(15)贝叶斯推理采样与变分
|____(16)人工神经网络
|____(17)卷积神经网络
|____(18)循环神经网络与LSTM
|____(19)Caffe&TensorFlow&MxNet简介
|____(20)贝叶斯网络和HMM
|____(额外补充)词嵌入wordembedding
|____机器学习之深度神经网络深入研究20课
|____深度神经网络学习深入与强化一10课
|____第1课机器学习中数学基础
|____第2课高效计算基础与图像线性分类器
|____第3课梯度下降法与反向传播
|____第4课CNN与常用框架
|____第5课CNN训练注意事项与框架使用
|____第6课CNN推展案例
|____第7课RNN介绍
|____第8课RNN应用
|____第9课更多的网络类型
|____第10课更多框架