# MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow **Repository Path**: alikzz/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow ## Basic Information - **Project Name**: MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow - **Description**: 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readme的链接，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作业个人笔记 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代码实现， 4.自然语言处理NLP 牛津大学xDeepMind Python代码实现， 5.LeetCode刷题，题析，分析心得笔记 Java和Python代码实现， 6.TensorFlow人工智能实践代码笔记 北京大学曹健老师课程和TensorFlow：实战Google深度学习框架（第二版） Python代码实现， 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 !)https://liweimin1996.github.io/ - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2021-08-12 - **Last Updated**: 2021-08-12 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 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！](https://mp.weixin.qq.com/s/3_KT7WZvvTGts3wprlpFPA) 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](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%20%E5%90%B4%E6%81%A9%E8%BE%BE%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) 2.deeplearning.ai（吴恩达老师的深度学习课程笔记及资源） [Python实现](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%20%E5%90%B4%E6%81%A9%E8%BE%BE%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) 3.李航《统计学习方法》 [Python实现](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95%20%E6%9D%8E%E8%88%AA%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) 4.牛津大学xDeepMind 自然语言处理 [Python实现](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%20DeepMind%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) 5.LeetCode刷题，题析，分析心得笔记 [Java和Python实现](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/LeetCode%E5%88%B7%E9%A2%98%EF%BC%8C%E9%A2%98%E6%9E%90%EF%BC%8C%E5%88%86%E6%9E%90%E5%BF%83%E5%BE%97%E7%AC%94%E8%AE%B0) 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](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/TensorFlow%E5%AE%9E%E8%B7%B5%20Google%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) 7.机器学习实战（附源代码）[Python实现](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0) - 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](https://liweimin1996.github.io/) ![机器学习](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/blob/master/knowledge.jpg) # 1.机器学习（更新中） 吴恩达老师的机器学习课程个人笔记 Python代码实现 https://study.163.com/course/introduction/1004570029.htm - ex1-linear regression 作业1 [线性回归](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/机器学习%20吴恩达%20Python代码实现/ex1-linear%20regression%20作业1%20线性回归) 有一个变量和多个变量。 - ex2-logistic regression 作业2 [logistic回归](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/机器学习%20吴恩达%20Python代码实现/ex2-logistic%20regression%20作业2%20logistic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） deeplearning.ai（吴恩达老师的深度学习课程笔记及资源） Python代码实现 https://mooc.study.163.com/smartSpec/detail/1001319001.htm ## 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） 《统计学习方法》的代码实现李航老师 Python代码实现 http://vdisk.weibo.com/s/vfFpMc1YgPOr - 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） 我最近在上这门课程，所以也顺便学习一下。 牛津大学xDeepMind 自然语言处理 https://study.163.com/course/introduction/1004336028.htm # 5.LeetCode刷题，题析，分析心得笔记 （更新中） https://github.com/soulmachine/leetcode 这位作者写的十分好，我也会部分参考TA的思路和答案 # 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](https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow/tree/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98%20Python%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0/logistic%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92/%E9%B8%A2%E5%B0%BE%E8%8A%B1%E5%88%86%E7%B1%BB) 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