UnityTutorial
大家说
赞助
About
教程 ▾
推荐学习顺序
Python基础 ▾
基础
多进程 multiprocessing
多线程 threading
窗口视窗 Tkinter
机器学习 ▾
有趣的机器学习
强化学习 Reinforcement Learning
进化算法 Evolutionary Algorithm
神经网络 ▾
Tensorflow
PyTorch
Theano
Keras
通用机器学习 Scikit-learn
机器学习实战
数据处理 ▾
数据 Numpy & Pandas
画图 Matplotlib
网页爬虫
提效工具 ▾
Git 版本管理
Linux 简易教学
有趣的机器学习系列
机器学习方法
1.1 机器学习 (Machine Learning)
神经网络
2.1 科普: 人工神经网络 VS 生物神经网络
2.2 神经网络 (Neural Network)
2.3 卷积神经网络 CNN (Convolutional Neural Network)
2.4 循环神经网络 RNN (Recurrent Neural Network)
2.5 LSTM RNN 循环神经网络 (LSTM)
2.6 自编码 (Autoencoder)
2.7 生成对抗网络 (GAN)
2.8 科普: 神经网络的黑盒不黑
2.9 神经网络 梯度下降
2.10 迁移学习 Transfer Learning
神经网络技巧
3.1 检验神经网络 (Evaluation)
3.2 特征标准化 (Feature Normalization)
3.3 选择好特征 (Good Features)
3.4 激励函数 (Activation Function)
3.5 过拟合 (Overfitting)
3.6 加速神经网络训练 (Speed Up Training)
3.7 处理不均衡数据 (Imbalanced data)
3.8 批标准化 (Batch Normalization)
3.9 L1 / L2 正规化 (Regularization)
强化学习
4.1 强化学习 (Reinforcement Learning)
4.2 强化学习方法汇总 (Reinforcement Learning)
4.3 Q Leaning
4.4 Sarsa
4.5 Sarsa(lambda)
4.6 DQN
4.7 Policy Gradients
4.8 Actor Critic
4.9 Deep Deterministic Policy Gradient (DDPG)
4.10 Asynchronous Advantage Actor-Critic (A3C)
4.11 AlphaGo Zero 为什么更厉害?
进化算法
5.1 遗传算法 (Genetic Algorithm)
5.2 进化策略 (Evolution Strategy)
5.3 神经网络进化 (Neuro-Evolution)
