ML-notes

notes about machine learning

很喜欢一句话：应用之道，存乎一心，与大家共勉

ps：如果我的笔记对你有帮助，给个star叭！查看机器学习笔记的PDF订阅版(301页)以及更多计算机相关笔记，欢迎大家关注微信公众号"Sakura的知识库"~

ML-Assignments

ML配套Assignments (ppt+code)：https://github.com/Sakura-gh/ML-assignments

内容包括：Regression, Classification, CNN, RNN, Explainable AI, Adversarial Attack, Network Compression, Seq2Seq, GAN, Transfer Learning, Meta Learning, Life-long Learning, Reforcement Learning.

pages

the github page is: https://Sakura-gh.github.io/ML-notes

you can also visit gitee page for quicker Internet in China: https://Sakura-gh.gitee.io/ml-notes

html链接：

1_Introduction

2_Regression Case Study

3_Regression demo(Adagrad)

4_Where does the error come from

5_Gradient Descent

6_Classification

7_Logistic Regression

8_Deep Learning

9_Backpropagation

10_Keras

11_Convolutional Neural Network part1

12_Convolutional Neural Network part2

13_Tips for Deep Learning

14_Why Deep

15_Semi-supervised Learning

16_Unsupervised Learning Introduction

17_Unsupervised Learning PCA part1

18_Unsupervised Learning PCA part2

19_Matrix Factorization

20_Unsupervised Learning Word Embedding

21_Unsupervised Learning Neighbor Embedding

22_Unsupervised Learning Deep Auto-encoder

23_Unsupervised Learning Generation

24_Transfer Learning

25_Support Vector Machine

26_Recurrent Neural Network part1

27_Recurrent Neural Network part2

csdn博客链接：

机器学习系列1-机器学习概念及介绍

机器学习系列2-回归案例研究

梯度下降代码举例：Gradient Descent Demo(Adagrad)

机器学习系列4-模型的误差来源及减少误差的方法

机器学习系列5-梯度下降法

机器学习系列6-分类问题(概率生成模型)

机器学习系列7-逻辑回归

机器学习系列8-深度学习简介

机器学习系列9-反向传播

机器学习系列10-手写数字识别(Keras2.0)

机器学习系列11-卷积神经网络CNN part1

机器学习系列12-卷积神经网络CNN part2

机器学习系列13-深度学习的技巧和优化方法

机器学习系列14-为什么要做“深度”学习

机器学习系列15-半监督学习

机器学习系列16-无监督学习引言

机器学习系列17-无监督学习之PCA推导(Ⅰ)

机器学习系列18-无监督学习之PCA深入探讨(Ⅱ)

机器学习系列19-矩阵分解&推荐系统初步

机器学习系列20-无监督学习之词嵌入

机器学习系列21-无监督学习之近邻嵌入

机器学习系列22-无监督学习之自编码器

机器学习系列23-无监督学习之生成模型

机器学习系列24-迁移学习

机器学习系列25-支持向量机

机器学习系列26-循环神经网络RNN(Ⅰ)

机器学习系列27-循环神经网络RNN(Ⅱ)

代码链接：

Gradient Descent Demo(Adagrad)

手写数字识别(Keras2.0)

手写数字识别CNN实现(Keras2.0)

Keras实战小经验

PyTorch简易入门

LICENSE：

GPL-2.0

温馨提示：

图片加载可能会有些许缓慢，请耐心等待\(^o^)/

赞赏作者：

如果读后有收获，请作者喝杯咖啡吧，您的支持就是我最大的更新动力~

PDF订阅版：

关注公众号“Sakura的知识库”可订阅：

ML GPU：