+ [入门须知](README.md) + [数据分析](docs/da/README.md) + [01\. Python 工具](docs/da/001.md) + [Python 简介](docs/da/002.md) + [Ipython 解释器](docs/da/003.md) + [Ipython notebook](docs/da/004.md) + [使用 Anaconda](docs/da/005.md) + [02\. Python 基础](docs/da/006.md) + [Python 入门演示](docs/da/007.md) + [Python 数据类型](docs/da/008.md) + [数字](docs/da/009.md) + [字符串](docs/da/010.md) + [索引和分片](docs/da/011.md) + [列表](docs/da/012.md) + [可变和不可变类型](docs/da/013.md) + [元组](docs/da/014.md) + [列表与元组的速度比较](docs/da/015.md) + [字典](docs/da/016.md) + [集合](docs/da/017.md) + [不可变集合](docs/da/018.md) + [Python 赋值机制](docs/da/019.md) + [判断语句](docs/da/020.md) + [循环](docs/da/021.md) + [列表推导式](docs/da/022.md) + [函数](docs/da/023.md) + [模块和包](docs/da/024.md) + [异常](docs/da/025.md) + [警告](docs/da/026.md) + [文件读写](docs/da/027.md) + [03\. Numpy](docs/da/028.md) + [Numpy 简介](docs/da/029.md) + [Matplotlib 基础](docs/da/030.md) + [Numpy 数组及其索引](docs/da/031.md) + [数组类型](docs/da/032.md) + [数组方法](docs/da/033.md) + [数组排序](docs/da/034.md) + [数组形状](docs/da/035.md) + [对角线](docs/da/036.md) + [数组与字符串的转换](docs/da/037.md) + [数组属性方法总结](docs/da/038.md) + [生成数组的函数](docs/da/039.md) + [矩阵](docs/da/040.md) + [一般函数](docs/da/041.md) + [向量化函数](docs/da/042.md) + [二元运算](docs/da/043.md) + [ufunc 对象](docs/da/044.md) + [choose 函数实现条件筛选](docs/da/045.md) + [数组广播机制](docs/da/046.md) + [数组读写](docs/da/047.md) + [结构化数组](docs/da/048.md) + [记录数组](docs/da/049.md) + [内存映射](docs/da/050.md) + [从 Matlab 到 Numpy](docs/da/051.md) + [04\. Scipy](docs/da/052.md) + [SCIentific PYthon 简介](docs/da/053.md) + [插值](docs/da/054.md) + [概率统计方法](docs/da/055.md) + [曲线拟合](docs/da/056.md) + [最小化函数](docs/da/057.md) + [积分](docs/da/058.md) + [解微分方程](docs/da/059.md) + [稀疏矩阵](docs/da/060.md) + [线性代数](docs/da/061.md) + [稀疏矩阵的线性代数](docs/da/062.md) + [05\. Python 进阶](docs/da/063.md) + [sys 模块简介](docs/da/064.md) + [与操作系统进行交互：os 模块](docs/da/065.md) + [CSV 文件和 csv 模块](docs/da/066.md) + [正则表达式和 re 模块](docs/da/067.md) + [datetime 模块](docs/da/068.md) + [SQL 数据库](docs/da/069.md) + [对象关系映射](docs/da/070.md) + [函数进阶：参数传递，高阶函数，lambda 匿名函数，global 变量，递归](docs/da/071.md) + [迭代器](docs/da/072.md) + [生成器](docs/da/073.md) + [with 语句和上下文管理器](docs/da/074.md) + [修饰符](docs/da/075.md) + [修饰符的使用](docs/da/076.md) + [operator, functools, itertools, toolz, fn, funcy 模块](docs/da/077.md) + [作用域](docs/da/078.md) + [动态编译](docs/da/079.md) + [06\. Matplotlib](docs/da/080.md) + [Pyplot 教程](docs/da/081.md) + [使用 style 来配置 pyplot 风格](docs/da/082.md) + [处理文本（基础）](docs/da/083.md) + [处理文本（数学表达式）](docs/da/084.md) + [图像基础](docs/da/085.md) + [注释](docs/da/086.md) + [标签](docs/da/087.md) + [figures, subplots, axes 和 ticks 对象](docs/da/088.md) + [不要迷信默认设置](docs/da/089.md) + [各种绘图实例](docs/da/090.md) + [07\. 使用其他语言进行扩展](docs/da/091.md) + [简介](docs/da/092.md) + [Python 扩展模块](docs/da/093.md) + [Cython：Cython 基础，将源代码转换成扩展模块](docs/da/094.md) + [Cython：Cython 语法，调用其他C库](docs/da/095.md) + [Cython：class 和 cdef class，使用 C++](docs/da/096.md) + [Cython：Typed memoryviews](docs/da/097.md) + [生成编译注释](docs/da/098.md) + [ctypes](docs/da/099.md) + [08\. 面向对象编程](docs/da/100.md) + [简介](docs/da/101.md) + [使用 OOP 对森林火灾建模](docs/da/102.md) + [什么是对象？](docs/da/103.md) + [定义 class](docs/da/104.md) + [特殊方法](docs/da/105.md) + [属性](docs/da/106.md) + [森林火灾模拟](docs/da/107.md) + [继承](docs/da/108.md) + [super() 函数](docs/da/109.md) + [重定义森林火灾模拟](docs/da/110.md) + [接口](docs/da/111.md) + [共有，私有和特殊方法和属性](docs/da/112.md) + [多重继承](docs/da/113.md) + [09\. Theano 基础](docs/da/114.md) + [Theano 简介及其安装](docs/da/115.md) + [Theano 基础](docs/da/116.md) + [Theano 在 Windows 上的配置](docs/da/117.md) + [Theano 符号图结构](docs/da/118.md) + [Theano 配置和编译模式](docs/da/119.md) + [Theano 条件语句](docs/da/120.md) + [Theano 循环：scan（详解）](docs/da/121.md) + [Theano 实例：线性回归](docs/da/122.md) + [Theano 实例：Logistic 回归](docs/da/123.md) + [Theano 实例：Softmax 回归](docs/da/124.md) + [Theano 实例：人工神经网络](docs/da/125.md) + [Theano 随机数流变量](docs/da/126.md) + [Theano 实例：更复杂的网络](docs/da/127.md) + [Theano 实例：卷积神经网络](docs/da/128.md) + [Theano tensor 模块：基础](docs/da/129.md) + [Theano tensor 模块：索引](docs/da/130.md) + [Theano tensor 模块：操作符和逐元素操作](docs/da/131.md) + [Theano tensor 模块：nnet 子模块](docs/da/132.md) + [Theano tensor 模块：conv 子模块](docs/da/133.md) + [10\. 有趣的第三方模块](docs/da/134.md) + [使用 basemap 画地图](docs/da/135.md) + [使用 cartopy 画地图](docs/da/136.md) + [探索 NBA 数据](docs/da/137.md) + [金庸的武侠世界](docs/da/138.md) + [11\. 有用的工具](docs/da/139.md) + [pprint 模块：打印 Python 对象](docs/da/140.md) + [pickle, cPickle 模块：序列化 Python 对象](docs/da/141.md) + [json 模块：处理 JSON 数据](docs/da/142.md) + [glob 模块：文件模式匹配](docs/da/143.md) + [shutil 模块：高级文件操作](docs/da/144.md) + [gzip, zipfile, tarfile 模块：处理压缩文件](docs/da/145.md) + [logging 模块：记录日志](docs/da/146.md) + [string 模块：字符串处理](docs/da/147.md) + [collections 模块：更多数据结构](docs/da/148.md) + [requests 模块：HTTP for Human](docs/da/149.md) + [12\. Pandas](docs/da/150.md) + [十分钟上手 Pandas](docs/da/151.md) + [一维数据结构：Series](docs/da/152.md) + [二维数据结构：DataFrame](docs/da/153.md) + 机器学习 + [第1章_基础知识](docs/ml/1.md) + [第2章_K近邻算法](docs/ml/2.md) + [第3章_决策树算法](docs/ml/3.md) + [第4章_朴素贝叶斯](docs/ml/4.md) + [第5章_逻辑回归](docs/ml/5.md) + [第6章_支持向量机](docs/ml/6.md) + [第7章_集成方法](docs/ml/7.md) + [第8章_回归](docs/ml/8.md) + [第9章_树回归](docs/ml/9.md) + [第10章_KMeans聚类](docs/ml/10.md) + [第11章_Apriori算法](docs/ml/11.md) + [第12章_FP-growth算法](docs/ml/12.md) + [第13章_PCA降维](docs/ml/13.md) + [第14章_SVD简化数据](docs/ml/14.md) + [第15章_大数据与MapReduce](docs/ml/15.md) + [第16章_推荐系统](docs/ml/16.md) + [为何录制教学版视频](docs/why-to-record-study-ml-video.md) + [2017-04-08_第一期的总结](docs/report/2017-04-08.md) + [PyTorch](docs/pytorch/README.md) + [PyTorch 简介](docs/pytorch/01.md) + [1.1 – Why PyTorch?](docs/pytorch/02.md) + [1.2 – 安装 PyTorch](docs/pytorch/03.md) + [PyTorch 神经网络基础](docs/pytorch/04.md) + [2.1 – Torch vs Numpy](docs/pytorch/05.md) + [2.2 – 变量 (Variable)](docs/pytorch/06.md) + [2.3 – 激励函数 (Activation)](docs/pytorch/07.md) + [建造第一个神经网络](docs/pytorch/08.md) + [3.1 – 关系拟合 (回归 Regression)](docs/pytorch/09.md) + [3.2 – 区分类型 (分类 Classification)](docs/pytorch/10.md) + [3.3 – 快速搭建回归神经网络](docs/pytorch/11.md) + [3.4 – 保存和恢复模型](docs/pytorch/12.md) + [3.5 – 数据读取 (Data Loader)](docs/pytorch/13.md) + [3.6 – 优化器 (Optimizer)](docs/pytorch/14.md) + [高级神经网络结构](docs/pytorch/15.md) + [4.1 – CNN 卷积神经网络](docs/pytorch/16.md) + [4.2 – RNN 循环神经网络 (分类 Classification)](docs/pytorch/17.md) + [4.3 – RNN 循环神经网络 (回归 Regression)](docs/pytorch/18.md) + [4.4 – AutoEncoder (自编码/非监督学习)](docs/pytorch/19.md) + [4.5 – DQN 强化学习 (Reinforcement Learning)](docs/pytorch/20.md) + [4.6 – GAN (Generative Adversarial Nets 生成对抗网络)](docs/pytorch/21.md) + [高阶内容](docs/pytorch/22.md) + [5.1 – 为什么 Torch 是动态的](docs/pytorch/23.md) + [5.2 – GPU 加速运算](docs/pytorch/24.md) + [5.3 – Dropout 防止过拟合](docs/pytorch/25.md) + [5.4 – Batch Normalization 批标准化](docs/pytorch/26.md) + 深度学习入门 + [反向传递](docs/dl/反向传递.md) + [CNN原理](docs/dl/CNN原理.md) + [RNN原理](docs/dl/RNN原理.md) + [LSTM原理](docs/dl/LSTM原理.md) + [自然语言处理](docs/nlp/README.md) + [前言](docs/nlp/0.md) + [1 语言处理与 Python](docs/nlp/1.md) + [2 获得文本语料和词汇资源](docs/nlp/2.md) + [3 处理原始文本](docs/nlp/3.md) + [4 编写结构化程序](docs/nlp/4.md) + [5 分类和标注词汇](docs/nlp/5.md) + [6 学习分类文本](docs/nlp/6.md) + [7 从文本提取信息](docs/nlp/7.md) + [8 分析句子结构](docs/nlp/8.md) + [9 构建基于特征的语法](docs/nlp/9.md) + [10 分析句子的意思](docs/nlp/10.md) + [11 语言学数据管理](docs/nlp/11.md) + [后记：语言的挑战](docs/nlp/12.md) + [索引](docs/nlp/14.md) + [TensorFlow 2.x](docs/tf2/README.md) + [初学者的 TensorFlow 2.0 教程](docs/tf2/002.md) + [针对专业人员的 TensorFlow 2.0 入门](docs/tf2/003.md) + [初级](docs/tf2/004.md) + [Keras 机器学习基础知识](docs/tf2/005.md) + [基本分类：对服装图像进行分类](docs/tf2/006.md) + [电影评论文本分类](docs/tf2/007.md) + [使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类](docs/tf2/008.md) + [Basic regression: Predict fuel efficiency](docs/tf2/009.md) + [Overfit and underfit](docs/tf2/010.md) + [保存和恢复模型](docs/tf2/011.md) + [Introduction to the Keras Tuner](docs/tf2/012.md) + [加载和预处理数据](docs/tf2/013.md) + [用 tf.data 加载图片](docs/tf2/014.md) + [使用 tf.data 加载文本数据](docs/tf2/015.md) + [用 tf.data 加载 CSV 数据](docs/tf2/016.md) + [使用 tf.data 加载 NumPy 数据](docs/tf2/017.md) + [使用 tf.data 加载 pandas dataframes](docs/tf2/018.md) + [Unicode 字符串](docs/tf2/019.md) + [TF.Text](docs/tf2/020.md) + [TFRecord 和 tf.Example](docs/tf2/021.md) + [Estimator](docs/tf2/022.md) + [预创建的 Estimators](docs/tf2/023.md) + [Build a linear model with Estimators](docs/tf2/024.md) + [在 Tensorflow 中训练提升树（Boosted Trees）模型](docs/tf2/025.md) + [梯度提升树（Gradient Boosted Trees）：模型理解](docs/tf2/026.md) + [通过 Keras 模型创建 Estimator](docs/tf2/027.md) + [高级](docs/tf2/028.md) + [自定义](docs/tf2/029.md) + [Customization basics: tensors and operations](docs/tf2/030.md) + [Custom layers](docs/tf2/031.md) + [自定义训练: 演示](docs/tf2/032.md) + [分布式训练](docs/tf2/033.md) + [Keras 的分布式训练](docs/tf2/034.md) + [使用 tf.distribute.Strategy 进行自定义训练](docs/tf2/035.md) + [利用 Keras 来训练多工作器（worker）](docs/tf2/036.md) + [利用 Estimator 进行多工作器训练](docs/tf2/037.md) + [使用分布策略保存和加载模型](docs/tf2/038.md) + [Distributed Input](docs/tf2/039.md) + [图像](docs/tf2/040.md) + [卷积神经网络（Convolutional Neural Network, CNN）](docs/tf2/041.md) + [Image classification](docs/tf2/042.md) + [Transfer learning and fine-tuning](docs/tf2/043.md) + [Transfer learning with TensorFlow Hub](docs/tf2/044.md) + [Data augmentation](docs/tf2/045.md) + [图像分割](docs/tf2/046.md) + [文本](docs/tf2/047.md) + [单词嵌入向量](docs/tf2/048.md) + [使用 RNN 进行文本分类](docs/tf2/049.md) + [循环神经网络（RNN）文本生成](docs/tf2/050.md) + [基于注意力的神经机器翻译](docs/tf2/051.md) + [Image captioning with visual attention](docs/tf2/052.md) + [理解语言的 Transformer 模型](docs/tf2/053.md) + [Fine-tuning a BERT model](docs/tf2/054.md) + [结构化数据](docs/tf2/055.md) + [对结构化数据进行分类](docs/tf2/056.md) + [Classification on imbalanced data](docs/tf2/057.md) + [Time series forecasting](docs/tf2/058.md) + [生成](docs/tf2/059.md) + [神经风格迁移](docs/tf2/060.md) + [DeepDream](docs/tf2/061.md) + [深度卷积生成对抗网络](docs/tf2/062.md) + [Pix2Pix](docs/tf2/063.md) + [CycleGAN](docs/tf2/064.md) + [Adversarial example using FGSM](docs/tf2/065.md) + [Intro to Autoencoders](docs/tf2/066.md) + [卷积变分自编码器](docs/tf2/067.md) + [可解释性](docs/tf2/068.md) + [Integrated gradients](docs/tf2/069.md) + [强化学习](docs/tf2/070.md) + [Playing CartPole with the Actor-Critic Method](docs/tf2/071.md)