深度学习之路

雨点打透心脏的1/2处 2022-05-30 02:56 211阅读 0赞

深度学习需要掌握的基本知识

<table style="margin:0px;padding:0px;border-spacing:0px;border:1px solid rgb(208,234,255);color:rgb(106,108,111);font-family:'Open Sans', 'Helvetica Neue', Helvetica, Arial, sans-serif;font-size:13px;"> 
 <tbody style="margin:0px;padding:0px;"> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="center" style="margin:0px;padding:0px;">主题</td> 
 <td align="center" style="margin:0px;padding:0px;">内容</td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">机器学习概要</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 什么是机器学习 &amp; 与传统软件开发的异同 b) 机器学习的分类和特点 c) 机器学习可以解决的问题和应用现状 </td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">广义线性模型</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 感知器模型 Perceptron b) 线性神经元 Linear Neuron / Adaline c) 逻辑回归 Logistic Regression d) 误差曲面和三种梯度下降算法 Gradient Descendent&nbsp; </td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">经典概率模型</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 朴素贝叶斯 Naïve Bayes</td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">决策树及其组合模型 Ensemble Models</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 决策树 Decision Tree: ID3 &amp; CART b) 随机森林 Random Forest c) 自适应增强算法 Adaptive Boosting (AdaBoost) d) 梯度增强决策树 Gradient Boost Decision Tree (GBDT) </td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">非监督学习模型 Unsupervised Learning</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 聚类 Clustering: K-‐Means, Hierarchy b) 降维 Dimension Reduction i. 主成分分析 Principle Component Analysis ii. 奇异值分解 Singularity Decomposition c) 关联规则 i. Apriori 关联分析 ii. FP-‐growth 频率项集 </td> 
 </tr> 
 <tr style="margin:0px;padding:0px;"> 
 <td align="left" style="margin:0px;padding:0px;border-right-color:rgb(208,234,255);">人工神经元网络 Artificial Neural Networks</td> 
 <td align="left" style="margin:0px;padding:0px;">a) 神经元网络架构 b) 向后传播训练算法 Backpropagation c) 多层感知器网络 Multiple-‐Layer Perceptron (MLP) d) 深度学习神经网络介绍 i. 卷积神经网络 CNN ii. 循环神经网络 RNN 及其应用 1. 长短记忆神经网络 LSTM 2. 受限玻尔兹曼机 Restricted Boltzmann Machine 3. 深度置信网络 Deep Belief Net 4. Deep Autoencoder</td> 
 </tr> 
 </tbody> 
</table>