雷丰阳 机器学习与深度学习基础

1.机器学习入门课

day01 – 基础数学
day02 – 概率
day03 – 特征建模
day04 – 线性回归
day05 – 逻辑回归
day01 – 基础数学\day01 – 基础数学 – 完整版
day02 – 概率\01_上节小复习
day02 – 概率\02_向量范数
day02 – 概率\03_矩阵的概念
day02 – 概率\04_矩阵计算基础知识
day02 – 概率\05_矩阵求导
day02 – 概率\06_方差标准差
day02 – 概率\07_三发导弹命中概率
day02 – 概率\08_概率似然性
day02 – 概率\09_联合概率
day02 – 概率\10_并集概率
day02 – 概率\11_全概率公式
day02 – 概率\12_贝叶斯公式
day02 – 概率\13_机器学习理论介绍
day03 – 特征建模\01_机器学习理论介绍
day03 – 特征建模\02_机器学习简介-数学篇
day03 – 特征建模\03_特征工程
day03 – 特征建模\04_特征工程之过滤法
day03 – 特征建模\05_归一化
day03 – 特征建模\06_归一化意义
day03 – 特征建模\07_标准化
day03 – 特征建模\08_特征转换代码演示
day03 – 特征建模\09_主成分分析
day03 – 特征建模\10_主成分分析PCA代码演示
day03 – 特征建模\11_损失函数
day03 – 特征建模\12_经验误差泛化误差
day03 – 特征建模\13_欠恰过拟合
day04 – 线性回归\day04：线性回归
day05 – 逻辑回归\day05：机器学习入门：逻辑回归

2.深度学习入门课

day01：多层感知机
day02：反向传播机制
day03：卷积神经网络
day04：RNN：循环神经网络
day01：多层感知机\1. 复习：机器学习 – 线性回归模型
day01：多层感知机\2. 复习：机器学习 – 逻辑回归
day01：多层感知机\3. 复习：机器学习 – 分类模型
day01：多层感知机\4. 复习：机器学习 – 数据处理
day01：多层感知机\5. 神经网络： 单层感知机：数学模型
day01：多层感知机\6. 神经网络：单层感知机：门电路模拟&异或问题线性不可分
day01：多层感知机\7. 神经网络：多层感知机：MLP模型&激活函数等
day02：反向传播机制\1. 反向传播：前置符号定义
day02：反向传播机制\2. 反向传播：BP1和BP2公式推导
day02：反向传播机制\3. 反向传播：BP3和BP4公式推导
day02：反向传播机制\4. 反向传播：手动推导传播过程
day02：反向传播机制\5. 反向传播：模型权重文件
day02：反向传播机制\6. PyTorch – 五大核心组件
day02：反向传播机制\7. PyTorch – 训练模型的步骤
day03：卷积神经网络\day03：深度学习_ CNN 卷积神经网络-1
day03：卷积神经网络\day03：深度学习_ CNN 卷积神经网络-2
day04：RNN：循环神经网络\day04 – ResNet、RNN