《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空

百家 作者:新智元 2019-12-02 13:30 浏览:602 评论:0

《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空-爱尖刀



  新智元推荐  

来源:专知

编辑整顿:元子

【新智元导读】市情上很多人工智能相干的书本。大年夜部分的书,面向小白,内容深度不敷;小部分教材书或许科研书,内容通俗,又过于复杂。那么有没有,面向算法工程师(法式榜样员)人群的,面向有必定命学基本、算法基本,可以或许快速上手写代码的人群的人工智妙手册呢?有的!并且收费开源,异常有法式榜样员范!《AI算法工程师手册》你值得具有!来 新智元AI同伙圈 和行业大年夜咖评论辩论吧~


市情上很多人工智能相干的书本。大年夜部分的书,面向小白,内容深度不敷;小部分教材书或许科研书,内容通俗,又过于复杂。那么有没有,面向算法工程师(法式榜样员)人群的,面向有必定命学基本、算法基本,可以或许快速上手写代码的人群的人工智妙手册呢?有的!并且收费开源,异常有法式榜样员范!《AI算法工程师手册》你值得具有!

作者Github:https://github.com/huaxz1986

手册地址:http://www.huaxiaozhuan.com/

手册目次:


数学基本


  • 1.线性代数基本
  • 一、根本知识
  • 2、向量操作
  • 3、矩阵运算
  • 四、特别函数
  • 2.概率论基本
    • 一、概率与分布
    • 2、希冀和方差
    • 3、大年夜数定律及中间极限制理
    • 五、罕见概率分布
    • 六、先验分布与后验分布
    • 7、信息论
    • 8、其它
  • 3.数值计算基本
    • 一、数值稳定性
    • 2、梯度降低法
    • 3、二阶导数与海森矩阵
    • 四、牛顿法
    • 五、拟牛顿法
    • 六、 束缚优化
  • 4.蒙特卡洛办法与 MCMC 采样
    • 一、蒙特卡洛办法
    • 2、马尔可夫链
    • 3、MCMC 采样

    统计进修


    • 0.机械进修简介
    • 一、根本概念
    • 2、监督进修
    • 3、机械进修三要素
               
    机械进修的对象是:具有必定的统计规律的数据。

    机械进修根据义务类型,可以划分为:

      • 监督进修义务:从已标记的练习数据来练习模型。重要分为:分类义务、回归义务、序列标注义务。
      • 无监督进修义务:从未标记的练习数据来练习模型。重要分为:聚类义务、降维义务。
      • 半监督进修义务:用大年夜量的未标记练习数据和大批的已标记数据来练习模型。
      • 强化进修义务:从体系与情况的大年夜量交互知识中练习模型。

      机械学习根据算法类型,可以划分为:

      • 传一切计进修:基于数学模型的机械进修办法。包含SVM、逻辑回归、决定计划树等。
        这一类算法基于严格的数学推理,具有可解释性强、运转速度快、可应用于小范围数据集的特点。
      • 深度进修:基于神经搜集的机械进修办法。包含前馈神经搜集、卷积神经搜集、递归神经搜集等。
        这一类算法基于神经搜集,可解释性较差,激烈依附于数据集范围。然则这类算法在语音、视觉、天然说话等范畴异常成功。
      没有收费的午餐定理(No Free Lunch Theorem:NFL):关于一个进修算法A,假设在某些成绩上它比算法B好,那么必定存在另外一些成绩,在那些成绩中B比A更好。是以不存在如许的算法:它在一切的成绩上都取得最好的性能。是以要议论算法的好坏必须基于详细的进修成绩。

    • 1.线性代数基本
    • 一、线性回归
    • 2、狭义线性模型
    • 3、对数概率回归
    • 四、线性辨别分析
    • 五、感知机
  • 2.支撑向量机
    • 一、 线性可分支撑向量机
    • 2、线性支撑向量机
    • 3、非线性支撑向量机
    • 四、支撑向量回归
    • 五、SVDD
    • 六、序列最小最优化办法
    • 7、其它评论辩论
  • 3.朴实贝叶斯
    • 一、贝叶斯定理
    • 2、朴实贝叶斯法
    • 3、半朴实贝叶斯分类器
    • 四、其它评论辩论
  • 4.决定计划树
    • 一、 道理
    • 2、 特点选择
    • 3、生成算法
    • 四、剪枝算法
    • 五、CART 树
    • 六、持续值、缺掉值处理
    • 7、多变量决定计划树
  • 5.knn
    • 一、k 近邻算法
    • 2、 kd树
  • 6.集成进修
    • 一、集成进修误差
    • 2、 Boosting
    • 3、Bagging
    • 四、集成战略
    • 五、多样性分析
  • 7.梯度晋升树
    • 一、晋升树
    • 2、xgboost
    • 3、LightGBM
  • 8.特点工程
    • 一、缺掉值处理
    • 2、特点编码
    • 3、数据标准化、正则化
    • 四、特点选择
    • 五、稀少表示和字典进修
    • 六、多类分类成绩
    • 7、种别不均衡成绩
  • 9.模型评价
    • 一、泛化才能
    • 2、过拟合、欠拟合
    • 3、误差方差分化
    • 四、参数估计准绳
    • 五、泛化才能评价
    • 六、练习集、验证集、测试集
    • 7、性能度量
    • 7、超参数调理
    • 8、传统机械进修的挑衅
  • 10.降维
    • 一、维度灾害
    • 2、主成分分析 PCA
    • 3、核化线性降维 KPCA
    • 四、流形进修
    • 五、度量进修
    • 六、概率PCA
    • 7、自力成分分析
    • 8、t-SNE
    • 9、LargeVis
  • 11.聚类
    • 一、性能度量
    • 2、原型聚类
    • 3、密度聚类
    • 四、层次聚类
    • 五、谱聚类
  • 12.半监督进修
    • 半监督进修
    • 一、生成式半监督进修办法
    • 2、半监督 SVM
    • 3、图半监督进修
    • 四、基于不合的办法
    • 五、半监督聚类
    • 六、 总结
  • 13.EM算法
    • 一、示例
    • 2、EM算法道理
    • 3、EM算法与高斯混淆模型
    • 四、EM 算法与 kmeans 模型
    • 五、EM 算法的推行
  • 14.最大年夜熵算法
    • 一、最大年夜熵模型MEM
    • 2、分类义务最大年夜熵模型
    • 3、最大年夜熵的进修
  • 15.隐马尔可夫模型
    • 一、隐马尔可夫模型HMM
    • 2、 HMM 根本成绩
    • 3、 最大年夜熵马尔科夫模型MEMM
  • 16.概率图与条件随机场
    • 一、概率图模型
    • 2、贝叶斯搜集
    • 3、马尔可夫随机场
    • 四、条件随机场 CRF
  • 17.边沿概率揣摸
    • 一、精确揣摸
    • 2、近似揣摸
  • 18.主题模型
    • 一、Unigram Model
    • 2、pLSA Model
    • 3、LDA Model
    • 四、LDA优化
    • 五、sentence-LDA
    • 六、模型评论辩论

    深度进修


    • 0.深度进修简介
    • 一、 简介
    • 2、汗青
                    
    深度进修:计算机从经历中进修,以层次化的概念(concept)来懂得世界。
                        
    从经历中进修:防止了人工指定计算机进修所需的一切知识。
    层次化的概念:计算机经过过程从简单的概念来构建、进修更复杂的概念。
     假设绘制一张图来展示这些概念的关系,那么这张图是一个深度的层次构造,因 此称这类办法为深度进修。

    • 1.深度前馈神经搜集
      深度前馈搜集(deep feedfoward network)也称作前馈神经搜集(feedforward neural network)或许多层感知机(multilayer perceptron:MLP),它是最典范的深度进修模型。卷积神经搜集就是一种特别的深度前馈搜集。深度前馈搜集也是轮回神经搜集的基本。
    • 一、基本
    • 2、损掉函数
    • 3、输入单位
    • 四、隐单位
    • 五、构造设计
    • 六、汗青小记
  • 2.反向传播算法
    • 一、链式轨则
    • 2、反向传播
    • 3、算法完成
    • 四、主动微分
  • 3.正则化
    • 一、参数范数正则化
    • 2、显式束缚正则化
    • 3、数据集加强
    • 四、噪声鲁棒性
    • 五、早停
    • 六、参数相对束缚
    • 7、dropout
    • 8、对抗练习
    • 9、正切传播算法
    • 十、其它相干
  • 4.最优化基本
    • 一、价值函数
    • 2、神经搜集最优化挑衅
    • 3、 mini-batch
    • 四、根本优化算法
    • 五、自适应进修率算法
    • 六、二阶近似办法
    • 7、共轭梯度法
    • 8、优化战略和元算法
    • 9、参数初始化战略
    • 十、Normalization
    • 十一、Online Learning
  • 5.卷积神经搜集:卷积神经搜集convolutional neural network:CNN:是指那些至少在搜集的某一层中应用了卷积运算来代替普通的矩阵乘法运算的神经搜集。卷积神经搜集专门处理具有类似网格构造的数据的神经搜集。如:时间序列是一维网格,图象数据是二维网格。
      • 一、卷积运算
      • 2、卷积层、池化层
      • 3、根本卷积的变体
      • 四、应用
      • 五、 汗青和近况
    • 5.1.CNN之图片分类
      • 一、LeNet
      • 2、AlexNet
      • 3、VGG-Net
      • 四、Inception
      • 五、ResNet
      • 六、ResNet 变种
      • 7、SENet
      • 8、 DenseNet
      • 9、小型搜集
    • 6.轮回神经搜集
      • 一、RNN计算图
      • 2、练习算法
      • 3、经久依附
      • 四、罕见 RNN 变种
    • 7.Transformer
      • 一、Transformer
      • 2、Universal Transformer
      • 3、Transformer XL
      • 四、GPT
      • 五、BERT
      • 六、ERNIE
      • 7、XLNet
      • 8、MT-DNN
      • 9、BERT 扩大
    • 8.词向量
      • 一、向量空间模型 VSM
      • 2、LSA
      • 3、Word2Vec
      • 四、GloVe
      • 五、FastText
      • 六、ELMo
      • 7、变种
    • 9.传统 CTR 预估模型
      • 一、LR 模型
      • 2、POLY2 模型
      • 3、FM模型
      • 四、FFM模型
      • 五、GBDT-LR 模型
      • 六、FTRL模型
      • 7、LS-PLM 模型
    • 10.工程实际指导准绳
      • 一、性能度量
      • 2、默许的基准模型
      • 3、决定能否搜集更多半据
      • 四、选择超参数
      • 五、调试战略
      • 六、示例:数字辨认体系
      • 7、数据预处理
      • 8、变量初始化
      • 9、构造设计

      对象


      CRF

      • CRF++
      • 一、装置
      • 2、应用
      • 3、Python接口
      • 四、罕见缺点

      lightgbm

      • lightgbm应用指南
      • 一、装置
      • 2、调参
      • 3、进阶
      • 四、API
      • 五、Docker

      xgboost

      • xgboost应用指南
      • 一、装置
      • 2、调参
      • 3、外存计算
      • 四、 GPU计算
      • 五、单调束缚
      • 六、 DART booster
      • 7、Python API

      scikit-learn

      • 1.预处理
      • 一、特点处理
      • 2、特点选择
      • 3、字典进修
      • 四、PipeLine
    • 2.降维
      • 一、PCA
      • 2、MDS
      • 3、Isomap
      • 四、LocallyLinearEmbedding
      • 五、FA
      • 六、FastICA
      • 7、t-SNE
    • 3.监督进修模型
      • 一、线性模型
      • 2、支撑向量机
      • 3、贝叶斯模型
      • 四、决定计划树
      • 五、KNN
      • 六 、AdaBoost
      • 7、梯度晋升树
      • 8、Random Forest
    • 4.模型评价
      • 一、数据集切分
      • 2、性能度量
      • 3、验证曲线 && 进修曲线
      • 四、超参数优化
    • 5.聚类模型
      • 一、KMeans
      • 2、DBSCAN
      • 3、MeanShift
      • 四、AgglomerativeClustering
      • 五、BIRCH
      • 六、GaussianMixture
      • 7、SpectralClustering
    • 6.半监督进修模型
      • 一、标签传播算法
    • 7.隐马尔可夫模型
      • 一、Hmmlearn
      • 2、seqlearn

      spark

      • 1.基本概念
      • 一、核心概念
      • 2、装置和应用
      • 3、 pyspark shell
      • 四、自力应用
    • 2.rdd应用
      • 一、概述
      • 2、创建 RDD
      • 3、转换操作
      • 四、行动操作
      • 五、其他办法和属性
      • 六、耐久化
      • 7、分区
      • 8、混洗
    • 3.dataframe应用
      • 一、概述
      • 2、SparkSession
      • 3、DataFrame 创建
      • 四、 DataFrame 保存
      • 五、DataFrame
      • 六、Row
      • 7、Column
      • 8、GroupedData
      • 9、functions
    • 4.累加器和广播变量
      • 一、累加器
      • 2、广播变量

      numpy

      • numpy 应用指南
      • 一、 ndarray
      • 2、 ufunc 函数
      • 3、 函数库
      • 四、数组的存储和加载

      scipy

      • scipy 应用指南
      • 一、 常数和特别函数
      • 2、 拟合与优化
      • 3、线性代数
      • 四、 统计
      • 五、数值积分
      • 六、 稀少矩阵

      matplotlib

      • matplotlib 应用指南
      • 一、matplotlib设备
      • 2、 matplotlib Artist
      • 3、根本概念
      • 四、构造
      • 五、 Path
      • 六、 path effect
      • 7、坐标变换
      • 8、 3D 画图
      • 9、技能

      pandas

      • pandas 应用指南
      • 一、根本数据构造
      • 2、 外部数据构造
      • 3、 下标存取
      • 四、 运算
      • 五、变换
      • 六、数据清洗
      • 7、 字符串操作
      • 8、 聚合与分组
      • 9、时间序列
      • 十、 DataFrame 画图
      • 十一、 移动窗口函数
      • 十2、 数据加载和保存

      完全版看手册地址:
      http://www.huaxiaozhuan.com/

      部分章节节选:
      《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空-爱尖刀
      《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空-爱尖刀
      《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空-爱尖刀
      市情上很多人工智能相干的书本。大年夜部分的书,面向小白,内容深度不敷;小部分教材书或许科研书,内容通俗,又过于复杂。那么有没有,面向算法工程师(法式榜样员)人群的,面向有必定命学基本、算法基本,可以或许快速上手写代码的人群的人工智妙手册呢?有的!并且收费开源,异常有法式榜样员范!《AI算法工程师手册》你值得具有!

      作者简介:

      华校专,清华航天学院工程力学本科,国防科大年夜计算机专业硕士。清华四年每年成就都是本系头名,曾任阿里巴巴资深算法工程师,现任智易科技首席算法研究员,《Python 大年夜战机械进修》的作者。


      本文授权转载自公众号:专知

      穷冬里,这个最酷AI创新平台招人啦!新智元邀你2020勇闯AI之巅
      在新智元你可以取得:
      • 与国表里一线大年夜咖、行业俊彦面对面交换的机会
      • 控制深耕人工智能范畴,成为行业专家
      • 远高于同业业的底薪
      • 五险一金+月度奖金+项目嘉奖+岁尾双薪
      • 温馨的办公情况(北京融科资讯中间B座)
      • 每日三餐、水果零食

      新智元邀你2020勇闯AI之巅,岗亭信息详见海报:

      《深度进修,统计进修,数学基本》AI算法工程师手册:50章一扫而空-爱尖刀


      新智元 新智元
      • 作者暂未设置特性签名
      存眷搜集尖刀微信公众号
      随时控制互联网出色
      告白赞助