**自：陳老師部落格：
目錄01-01 機器學習
02-01 感知機
02-02 感知機原始形式(鳶尾花分類)
02-03 感知機對偶形式(鳶尾花分類)
02-04 線性回歸
02-05 scikit-learn庫之線性回歸
02-06 普通線性回歸(波斯頓房價**)+特徵選擇
02-07 多元線性回歸(波士頓房價**)
02-08 多項式回歸(波士頓房價**)
02-09 對數線性回歸(波士頓房價**)
02-10 正則化線性回歸(波士頓房價**)
02-11 ransac演算法線性回歸(波斯頓房價**)
02-12 logistic(邏輯)回歸
02-13 softmax回歸
02-14 scikit-learn庫之邏輯回歸
02-15 logistic回歸(鳶尾花分類)
02-16 k近鄰演算法
02-17 kd樹
02-18 scikit-learn庫之k近鄰演算法
02-19 k近鄰演算法(鳶尾花分類)
02-20 kd樹(鳶尾花分類)
02-21 決策樹id3演算法
02-22 決策樹c4.5演算法
02-23 決策樹cart演算法
02-24 決策樹總結
02-25 scikit-learn庫之決策樹
02-26 決策樹(鳶尾花分類)
02-27 樸素貝葉斯
02-28 scikit-learn庫之線樸素貝葉斯
02-29 樸素貝葉斯(垃圾郵件分類)
02-30 線性可分支援向量機
02-31 線性支援向量機
02-32 線性支援向量9-機(鳶尾花分類)
02-33 非線性支援向量機
02-34 非線性支援向量機(鳶尾花分類)+自定義資料分類
02-35 scikit-learn庫之支援向量機
02-36 支援向量回歸
02-37 支援向量機總結
03-01 k-means聚類演算法
04-01 整合學習基礎
04-02 adaboost演算法
04-03 scikit-learn庫之adaboost演算法
04-04 adaboost演算法**(鳶尾花分類)
04-05 提公升樹
04-06 梯度提公升樹
04-07 scikit-learn庫之梯度提公升樹
04-08 梯度提公升演算法**(鳶尾花分類)
04-09 xgboost演算法
04-10 bagging和隨機森林
04-11 隨機森林**(葡萄酒質量檢測)
04-12 scikit-learn庫之隨機森林
05-01 特徵預處理
05-02 特徵選擇
05-03 主成分分析(pca)
05-04 scikit-learn庫之主成分分析
05-05 主成分分析**(手寫數字識別)
05-06 模型選擇
06-01 deeplearning-影象識別
07-01 推薦系統常用度量指標
07-02 基於協同過濾的推薦演算法
08-00 課程習得
08-01 通過線性回歸了解演算法流程
08-02 機器學習演算法原理
08-03 細分構建機器學習應用程式的流程-流程簡介
08-04 細分構建機器學習應用程式的流程-資料收集
08-05 細分構建機器學習應用程式的流程-資料預處理
08-06 細分構建機器學習應用程式的流程-訓練模型
08-07 細分構建機器學習應用程式的流程-測試模型
08-08 細分構建機器學習應用程式的流程-模型優化
09-01 tensorflow1基本使用
09-02 tensorflow2教程
a-01 最小二乘法
a-02 梯度下降法
a-03 牛頓法和擬牛頓法
a-04 座標軸下降法
a-05 前向選擇法和前向梯度法
a-06 最小角回歸法
a-07 前向分步演算法
a-08 拉格朗日對偶性
b-微積分-sigmoid函式
b-微積分-sign(符號)函式
b-概率論-常見的概率分布模型
b-概率論-條件概率
b-概率論-極大似然估計
b-概率論-熵和資訊增益
b-概率論-貝葉斯決策
b-線性代數-矩陣轉置
b-線性代數-範數
b-線性代數-距離公式彙總
b-經濟學-基尼指數
c-01 手寫數字識別
c-02 推薦系統
十天快速入門python
python從入門到web框架
python爬蟲從入門到框架
python之23種計模式實現（史上最全最通俗易懂）內容整改中
python演算法合集
python專案隨筆
go從入門到框架
linux基礎教程
docker&k8s&持續整合與容器管理--系列教程
人工智慧
tensorflow2教程（目錄）
劉老師手擼系列
it大牛關注鏈結
abdm帶你學git
人工智慧教程 人工智慧暑期課實踐專案建議
每4 5 人乙個小組，從下面的候選中選擇題目 1 手寫數字識別增強版。在 mnist示例程式 的基礎上進一步擴充套件，階段要求 能實現多個數字的手寫體識別 能實現加減乘除符號的識別 微軟講師提供 識別單個字元的基本版程式。給學生的建議 我們通過這個練習要學會如何增量改進人工智慧模型 把已有模型加強，...
人工智慧實踐教程（一）
本文為 人工智慧實踐教程 學習總結和感悟，先寫書中內容，再寫自己的思考 2017年10月20日，實驗室 現在人工智慧就是用計算機去模擬人類智慧型。為什麼計算機可以模擬人類的智慧型？這是因為人和計算機都是物理符號系統。能夠實現輸入符號 輸出符號 儲存符號 複製符號 通過找出符號間關係建立符號結構 條件...
人工智慧入門學習教程
兒童作為人工智慧時代的 原住民 他們接觸人工智慧的時間越來越早，程度也越來越深。人工智慧教育對於兒童的教育和成長有著重要的潛在應用價值，格物斯坦小坦克認為準確認識和把握人工智慧時代對於兒童發展的影響,思考學前教育的應變之策,對於推動人工智慧在學前教育領域的理論研究與實踐應用,保護兒童身心的健康發展具...