MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod
最近在学习机器学习，深度学习，自然语言处理，统计学习方法等知识，理论学习主要根据
重磅,完备的 AI 学习路线，最详细的资源整理！
来进行学习，上面有很详细的入门，实战及进阶知识，相信你会喜欢的，欢迎点赞。
在学习理论的同时，决定自己将学习的相关算法用Python实现一遍，并结合GitHub上相关大牛的代码进行改进，本项目会不断的更新相关算法，欢迎star，fork和关注。
主要包括：
1.吴恩达Andrew Ng老师的机器学习课程个人笔记 Python实现
2.deeplearning.ai(吴恩达老师的深度学习课程笔记及资源) Python实现
3.李航《统计学习方法》 Python实现
4.牛津大学xDeepMind 自然语言处理 Python实现
5.LeetCode刷题，题析，分析心得笔记 Java和Python实现
6.TensorFlow人工智能实践代码笔记 北京大学PKU曹健老师课程和TensorFlow：实战Google深度学习框架(第二版) Python实现
7.机器学习实战(附源代码)Python实现
本人也尚在学习中，水平有限。如果确认内容中存在谬误，欢迎提出 issue 或者 pull request。
如果您觉得有帮助，不妨点一个 star 以资鼓励。
附带一些个人心得和笔记。GitHub上有很多机器学习课程的代码资源，我也准备自己实现一下，后续会更新笔记，代码和百度云网盘链接。
这个项目主要是学习算法的，并且会不断更新相关资源和代码，欢迎关注，star，fork！
Min's blog 欢迎访问我的博客主页！
(Welcome to my blog website !)Min blog
1.机器学习(更新中)
ex1-linear regression 作业1 线性回归
有一个变量和多个变量。
ex2-logistic regression 作业2 logistic回归
包括正则化。
ex3-neural network 作业3 神经网络
使用两种不同的方法识别手写数字：one-vs-all逻辑回归，以及前向传播预训练的神经网络。
ex4-NN back propagation 作业4 神经网络反向传播
构建和训练神经网络，包括反向传播，并将其用于手写数字识别。
ex5-bias vs variance 作业5 贝叶斯和方差
包括学习曲线和多项式回归。
ex6-SVM 作业6 支持向量机
6.1：在一些样本2D数据集上展示scikit-learn SVM，其中包含线性和高斯核函数。
6.2：使用自然语言处理和scikit-learn SVM构建电子邮件垃圾邮件分类器。
ex7-kmeans and PCA 作业7 kmeans算法和主成分分析
7.1：构建k-means聚类算法并将其用于图像压缩。
7.2：构建PCA算法并将其用于图像压缩和可视化。
ex8-anomaly detection and recommendation 作业8 异常检测和推荐
8.1：使用多元高斯模型进行异常检测。 Precision, recall, F1 score.
8.2：构建推荐系统并用它来推荐电影。
2.深度学习(更新中)
1.Neural Networks and Deep Learning 神经网络与深度学习
Week1 Introduction to deep learning 深度学习概论
Week2 Neural Networks Basics 神经网络基础
Week3 Shallow Neural networks 浅层神经网络
Week4 Deep Neural Networks 深层神经网络
2.Improving Deep Neural Networks 改善深层神经网络：超参数调试、正则化以及优化
Week1 Practical aspects of Deep Learning(Initialization-Regularization-Gradient Checking) 深层学习的实用
Week2 Optimization algorithms 优化算法
Week3 Hyperparameter tuning, Batch Normalization and Programming Frameworks 超参数调试&正则化&框架
3.Convolutional Neural Network 卷积神经网络
Week1 Foundations of Convolutional Neural Networks 卷积神经网络
Week2 Deep convolutional models: case studies 深层卷积神经网络实例探究
Week3 Object detection 目标检测
Week4 Special applications: Face recognition & Neural style transfer 特殊的应用
4.Sequence Models 序列模型
Week1 Recurrent Neural Networks 循环序列模型
Week2 Natural Language Processing & Word Embeddings 自然语言处理与词嵌入
Week3 Sequence models & Attention mechanism 序列模型和注意力机制
3.统计学习方法(更新中)
第 1 章 统计学习方法概论
第 2 章 感知机 [感知机代码-原始形式] [感知机代码-对偶形式]
第 3 章 k近邻算法 [k近邻代码] [kd树简化版代码] [kd树完整版代码] [错误kd树代码]
第 4 章 朴素贝叶斯法
第 5 章 决策树
第 6 章 逻辑斯谛回归与最大熵模型
第 7 章 支持向量机
第 8 章 提升方法 [AdaBoost代码]
第 9 章 EM算法及其推广
第 10 章 隐马尔科夫模型
第 11 章 条件随机场
第 12 章 统计学习方法总结
4.自然语言处理(更新中)
5.LeetCode刷题，题析，分析心得笔记 (更新中)
6.TensorFlow人工智能实践代码笔记(更新中)
北京大学PKU曹健老师课程和TensorFlow：实战Google深度学习框架(第二版) Python代码实现
第一讲概述
第二讲python的常用语法
第三讲神经网络的搭建八股
第四讲神经网络的优化
第五讲实践前向传播和反向传播
第六讲手写数字图片输出识别
第七讲卷积神经网络
第八讲卷积神经网络实践
7.机器学习实战(附源代码)
机器学习实战(Python3)：kNN(k-邻域算法)、Decision Tree(决策树)、Navie Bayes(朴素贝叶斯)、Logistic(Logistic回归)、SVM(支持向量机)、AdaBoost、Regression线性回归、Regression Tree树回归
http://vdisk.weibo.com/s/C3VtoShZRyZIt
第一章：讲述机器学习
第二章：kNN(k-邻域算法)
第三章：Decision Tree(决策树)
第四章：Navie Bayes(朴素贝叶斯)
第五章：Logistic(Logistic回归) 鸢尾花分类 2019年4月7日14:52:40
第六章：SVM(支持向量机)
第七章：AdaBoost
第八章：Regression 线性回归
第九章：Regression Tree 回归树