CS_ALearn/ailearning
1
0
Fork 0
mirror of https://github.com/apachecn/ailearning.git synced 2026-04-23 18:13:05 +08:00
Code Issues Projects Releases Wiki Activity
Files
809140d4d87a5010c06df3d094265b0d78035552
ailearning/SUMMARY.md
wizardforcel 957b754226 2021-05-07 10:20:42
2021-05-07 10:20:42 +08:00

329 lines
18 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
+ [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)
+ [线性代数](docs/linalg/README.md)
+ [第一讲：方程组的几何解释](docs/linalg/chapter01.md)
+ [第二讲：矩阵消元](docs/linalg/chapter02.md)
+ [第三讲：乘法和逆矩阵](docs/linalg/chapter03.md)
+ [第四讲：$A$ 的 $LU$ 分解](docs/linalg/chapter04.md)
+ [第五讲：转换、置换、向量空间R](docs/linalg/chapter05.md)
+ [第六讲：列空间和零空间](docs/linalg/chapter06.md)
+ [第七讲：求解$Ax=0$，主变量，特解](docs/linalg/chapter07.md)
+ [第八讲：求解$Ax=b$：可解性和解的结构](docs/linalg/chapter08.md)
+ [第九讲：线性相关性、基、维数](docs/linalg/chapter09.md)
+ [第十讲 四个基本子空间](docs/linalg/chapter10.md)
+ [第十一讲：矩阵空间、秩1矩阵和小世界图](docs/linalg/chapter11.md)
+ [第十二讲：图和网络](docs/linalg/chapter12.md)
+ [第十三讲：复习一](docs/linalg/chapter13.md)
+ [第十四讲：正交向量与子空间](docs/linalg/chapter14.md)
+ [第十五讲：子空间投影](docs/linalg/chapter15.md)
+ [第十六讲：投影矩阵和最小二乘](docs/linalg/chapter16.md)
+ [第十七讲：正交矩阵和Gram-Schmidt正交化法](docs/linalg/chapter17.md)
+ [第十八讲：行列式及其性质](docs/linalg/chapter18.md)
+ [第十九讲：行列式公式和代数余子式](docs/linalg/chapter19.md)
+ [第二十讲：克拉默法则、逆矩阵、体积](docs/linalg/chapter20.md)
+ [第二十一讲：特征值和特征向量](docs/linalg/chapter21.md)
+ [第二十二讲：对角化和$A$的幂](docs/linalg/chapter22.md)
+ [第二十三讲：微分方程和$e^{At}$](docs/linalg/chapter23.md)
+ [第二十四讲：马尔科夫矩阵、傅里叶级数](docs/linalg/chapter24.md)
+ [第二十五讲：复习二](docs/linalg/chapter25.md)
+ [第二十六讲：对称矩阵及正定性](docs/linalg/chapter26.md)
+ [第二十七讲：复数矩阵和快速傅里叶变换](docs/linalg/chapter27.md)
+ [第二十八讲：正定矩阵和最小值](docs/linalg/chapter28.md)
+ [第二十九讲：相似矩阵和若尔当形](docs/linalg/chapter29.md)
+ [第三十讲：奇异值分解](docs/linalg/chapter30.md)
+ [第三十一讲：线性变换及对应矩阵](docs/linalg/chapter31.md)
+ [第三十二讲：基变换和图像压缩](docs/linalg/chapter32.md)
+ [第三十三讲：单元检测3复习](docs/linalg/chapter33.md)
+ [第三十四讲：左右逆和伪逆](docs/linalg/chapter34.md)
+ [第三十五讲：期末复习](docs/linalg/chapter35.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)
Reference in New Issue View Git Blame Copy Permalink