ApacheCN 人工智能知识树 v1.0

Special Sponsors

贡献者：飞龙

版本：v1.0

最近老是有人问我，把 ApacheCN 这些资料看完一遍要用多长时间，若是你一本书一本书看的话，的确要用很长时间。但我以为这是很是麻烦的，由于每本书的内容大部分是重复的，有些不重复的内容你也很差找。为了方便你们，我就把每本书的章节拆开，再按照知识点合并，手动整理了这个知识树。你们能够按照知识点依次学习，若是理解了一个知识点，就不必看其他文章，直接跳到下一个就好了。

统计机器学习

基础知识

• AILearning 第1章_基础知识
• CS229 中文笔记 1、引言
• CS229 中文笔记 3、线性代数回顾
• 机器学习基石 1 -- The Learning Problem
• 机器学习基石 2 -- Learning to Answer Yes/No
• 机器学习基石 3 -- Types of Learning
• 机器学习基石 4 -- Feasibility of Learning
• 机器学习基石 6 -- Theory of Generalization
• 机器学习基石 7 -- The VC Dimension
• 机器学习基石 8 -- Noise and Error
• 机器学习基石 16 -- Three Learning Principles
• 写给人类的机器学习 1、为何机器学习重要
• SciPyCon 2018 sklearn 教程 1、Python 机器学习简介
• SciPyCon 2018 sklearn 教程 2、Python 中的科学计算工具
• SciPyCon 2018 sklearn 教程 9、sklearn 估计器接口回顾
• SciPyCon 2018 sklearn 教程 十5、估计器流水线
• 数据科学和人工智能技术笔记 1、向量、矩阵和数组
• Sklearn 学习指南 第一章：机器学习 - 温和的介绍

线性回归/逻辑回归/softmax 回归

• AILearning 第5章_逻辑回归
• AILearning 第8章_回归
• CS229 中文笔记 2、单变量线性回归
• CS229 中文笔记 4、多变量线性回归
• CS229 中文笔记 6、逻辑回归
• DLAI 深度学习笔记 第一门课 第二周：神经网络的编程基础
• 机器学习基石 9 -- Linear Regression
• 机器学习基石 10 -- Logistic Regression
• 机器学习基石 11 -- Linear Models for Classification
• 机器学习基石 12 -- Nonlinear Transformation
• 机器学习技法 5 -- Kernel Logistic Regression
• Scikit-learn 秘籍 第二章 处理线性模型
• Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类
• PythonProgramming.net 系列教程 第一部分 回归
• 写给人类的机器学习 2.1 监督学习
• 写给人类的机器学习 2.2 监督学习 II
• Python 数据分析与挖掘实战 第5章　挖掘建模
• Python 数据分析与挖掘实战 第13章　财政收入影响因素分析及预测模型
• 与 TensorFlow 的初次接触 2. TensorFlow 中的线性回归
• SciPyCon 2018 sklearn 教程 5、监督学习第一部分：分类
• SciPyCon 2018 sklearn 教程 6、监督学习第二部分：回归分析
• SciPyCon 2018 sklearn 教程 十7、深刻：线性模型
• 数据科学和人工智能技术笔记 11、线性回归
• 数据科学和人工智能技术笔记 12、逻辑回归
• Sklearn 学习指南 第二章：监督学习

决策树/随机森林

• AILearning 第3章_决策树算法
• AILearning 第9章_树回归
• 机器学习技法 9 -- Decision Tree
• 机器学习技法 10 -- Random Forest
• Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类
• 写给人类的机器学习 2.3 监督学习 III
• Python 数据分析与挖掘实战 第5章　挖掘建模
• Python 数据分析与挖掘实战 第6章　电力窃漏电用户自动识别
• SciPyCon 2018 sklearn 教程 十8、深刻：决策树与森林
• 数据科学和人工智能技术笔记 十3、树和森林
• Sklearn 学习指南 第二章：监督学习

GDBT/XGBoost

• 机器学习技法 11 -- Gradient Boosted Decision Tree

朴素贝叶斯

• AILearning 第4章_朴素贝叶斯
• Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类
• 数据科学和人工智能技术笔记 十6、朴素贝叶斯
• Sklearn 学习指南 第二章：监督学习

支持向量机

• AILearning 第6章_支持向量机
• AILearning 支持向量机的几个通俗理解
• CS229 中文笔记 12、支持向量机
• 机器学习技法 1 -- Linear Support Vector Machine
• 机器学习技法 2 -- Dual Support Vector Machine
• 机器学习技法 3 -- Kernel Support Vector Machine
• 机器学习技法 4 -- Soft-Margin Support Vector Machine
• 机器学习技法 6 -- Support Vector Regression
• Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类
• PythonProgramming.net 系列教程 第二部分 分类
• 写给人类的机器学习 2.2 监督学习 II
• Python 数据分析与挖掘实战 第9章　基于水色图像的水质评价
• 数据科学和人工智能技术笔记 十5、支持向量机
• Sklearn 学习指南 第二章：监督学习

K 近邻

• AILearning 第2章_K近邻算法
• Scikit-learn 秘籍 第三章 使用距离向量构建模型
• PythonProgramming.net 系列教程 第二部分 分类
• 写给人类的机器学习 2.3 监督学习 III
• SciPyCon 2018 sklearn 教程 5、监督学习第一部分：分类
• SciPyCon 2018 sklearn 教程 6、监督学习第二部分：回归分析
• 数据科学和人工智能技术笔记 十4、K 最近邻

KMeans

• AILearning 第10章_KMeans聚类
• CS229 中文笔记 十3、聚类
• Scikit-learn 秘籍 第三章 使用距离向量构建模型
• PythonProgramming.net 系列教程 第三部分 聚类
• 写给人类的机器学习 3、无监督学习
• Python 数据分析与挖掘实战 第5章　挖掘建模
• Python 数据分析与挖掘实战 第7章　航空公司客户价值分析
• Python 数据分析与挖掘实战 第8章　中医证型关联规则挖掘
• 与 TensorFlow 的初次接触 3. TensorFlow 中的聚类
• SciPyCon 2018 sklearn 教程 8、无监督学习第二部分：聚类
• TensorFlow 学习指南 3、学习
• 数据科学和人工智能技术笔记 十7、聚类
• Sklearn 学习指南 第三章：无监督学习

均值移动

• PythonProgramming.net 系列教程 第三部分 聚类
• 数据科学和人工智能技术笔记 十7、聚类
• Sklearn 学习指南 第三章：无监督学习

层次聚类

• 写给人类的机器学习 3、无监督学习
• Python 数据分析与挖掘实战 第14章　基于基站定位数据的商圈分析
• SciPyCon 2018 sklearn 教程 二10、无监督学习：层次和基于密度的聚类算法
• 数据科学和人工智能技术笔记 十7、聚类
• Sklearn 学习指南 第三章：无监督学习

DBSCAN

• SciPyCon 2018 sklearn 教程 二10、无监督学习：层次和基于密度的聚类算法
• 数据科学和人工智能技术笔记 十7、聚类

高斯混合

• Scikit-learn 秘籍 第三章 使用距离向量构建模型
• Sklearn 学习指南 第三章：无监督学习

Boosting/Bagging/Blending

• 机器学习技法 7 -- Blending and Bagging

AdaBoost

• AILearning 第7章_集成方法
• 机器学习技法 8 -- Adaptive Boosting

PCA

• AILearning 第13章_PCA降维
• AILearning 第14章_SVD简化数据
• CS229 中文笔记 十4、降维
• 写给人类的机器学习 3、无监督学习
• SciPyCon 2018 sklearn 教程 7、无监督学习第一部分：变换
• Sklearn 学习指南 第三章：无监督学习

LDA

• Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类

流形学习

• SciPyCon 2018 sklearn 教程 二11、无监督学习：非线性降维

异常检测

• CS229 中文笔记 十5、异常检测
• SciPyCon 2018 sklearn 教程 二12、无监督学习：异常检测

Apriori/FP-growth

• AILearning 第11章_Apriori算法
• AILearning 第12章_FP-growth算法
• Python 数据分析与挖掘实战 第5章　挖掘建模
• Python 数据分析与挖掘实战 第8章　中医证型关联规则挖掘

深度学习

基础知识

• DLAI 深度学习笔记 第一门课 第一周：深度学习引言
• 与 TensorFlow 的初次接触 1. TensorFlow 基础知识
• TensorFlow 学习指南 1、基础

MLP

• CS229 中文笔记 8、神经网络：表述
• CS229 中文笔记 9、神经网络的学习
• DLAI 深度学习笔记 第一门课 第三周：浅层神经网络
• DLAI 深度学习笔记 第一门课 第四周：深层神经网络
• 机器学习技法 12 -- Neural Network
• 机器学习技法 13 -- Deep Learning
• 机器学习技法 14 -- Radial Basis Function Network
• PythonProgramming.net 系列教程 第四部分 神经网络
• 写给人类的机器学习 4、神经网络和深度学习
• Python 数据分析与挖掘实战 第5章　挖掘建模
• Python 数据分析与挖掘实战 第6章　电力窃漏电用户自动识别
• Python 数据分析与挖掘实战 第10章　家用电器用户行为分析与事件识别
• Python 数据分析与挖掘实战 第13章　财政收入影响因素分析及预测模型
• 与 TensorFlow 的初次接触 4. TensorFlow 中的单层神经网络
• 与 TensorFlow 的初次接触 5. TensorFlow 中的多层神经网络
• TensorFlow Rager 教程 1、如何使用 TensorFlow Eager 构建简单的神经网络
• 数据科学和人工智能技术笔记 十8、Keras

CNN

• DLAI 深度学习笔记 第四门课 第一周 卷积神经网络
• DLAI 深度学习笔记 第四门课 第二周 深度卷积网络：实例探究
• TensorFlow Rager 教程 7、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）

RNN

• DLAI 深度学习笔记 第五门课 第一周 循环序列模型
• DLAI 深度学习笔记 第五门课 第三周 序列模型和注意力机制
• TensorFlow Rager 教程 8、用于 TensorFlow Eager 序列分类的动态循坏神经网络
• TensorFlow Rager 教程 9、用于 TensorFlow Eager 时间序列回归的递归神经网络

时间序列

• 第5章　挖掘建模
• Python 数据分析与挖掘实战 第11章　应用系统负载分析与磁盘容量预测
• TensorFlow Rager 教程 9、用于 TensorFlow Eager 时间序列回归的递归神经网络

机器视觉

• CS229 中文笔记 十8、应用实例：图片文字识别
• DLAI 深度学习笔记 第四门课 第三周 目标检测
• DLAI 深度学习笔记 第四门课 第四周 特殊应用：人脸识别和神经风格转换
• PythonProgramming.net 系列教程 图像和视频分析
• PythonProgramming.net 系列教程 TensorFlow 目标检测
• 数据科学和人工智能技术笔记 4、图像预处理

图嵌入/图的表示学习

• 图嵌入综述：问题，技术与应用 第1、二章
• 图嵌入综述：问题，技术与应用 第三章
• 图嵌入综述：问题，技术与应用 4.1 ~ 4.2
• 图嵌入综述：问题，技术与应用 4.3 ~ 4.7
• 图嵌入综述：问题，技术与应用 第5、6、七章

天然语言处理

• DLAI 深度学习笔记 第五门课 第二周 天然语言处理与词嵌入
• PythonProgramming.net 系列教程 天然语言处理教程
• PythonProgramming.net 系列教程 TensorFlow 聊天机器人
• Python 数据分析与挖掘实战 第15章　电商产品评论数据情感分析
• TensorFlow Rager 教程 7、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）
• TensorFlow Rager 教程 8、用于 TensorFlow Eager 序列分类的动态循坏神经网络
• SciPyCon 2018 sklearn 教程 11、文本特征提取
• SciPyCon 2018 sklearn 教程 12、案例学习：用于 SMS 垃圾检测的文本分类
• SciPyCon 2018 sklearn 教程 二十3、核外学习 - 用于语义分析的大规模文本分类
• 数据科学和人工智能技术笔记 5、文本预处理

强化学习

• 写给人类的机器学习 5、强化学习

推荐系统

• AILearning 第16章_推荐系统
• CS229 中文笔记 十6、推荐系统
• 机器学习技法 15 -- Matrix Factorization
• Python 数据分析与挖掘实战 第12章　电子商务网站用户行为分析及服务推荐
• 基于深度学习的推荐系统：综述和新视角 第1、二章
• 基于深度学习的推荐系统：综述和新视角 3.1 ~ 3.3
• 基于深度学习的推荐系统：综述和新视角 3.4 ~ 3.11

预处理/特征工程

• Scikit-learn 秘籍 第一章 模型预处理
• Python 数据分析与挖掘实战 第3章　数据探索
• Python 数据分析与挖掘实战 第4章　数据预处理
• TensorFlow Rager 教程 4、文本序列到 TFRecords
• TensorFlow Rager 教程 5、如何将原始图片数据转换为 TFRecords
• TensorFlow Rager 教程 6、如何使用 TensorFlow Eager 从 TFRecords 批量读取数据
• SciPyCon 2018 sklearn 教程 3、数据表示和可视化
• SciPyCon 2018 sklearn 教程 7、无监督学习第一部分：变换
• SciPyCon 2018 sklearn 教程 10、案例学习：泰坦尼克幸存者
• SciPyCon 2018 sklearn 教程 11、文本特征提取
• SciPyCon 2018 sklearn 教程 十9、自动特征选择
• 数据科学和人工智能技术笔记 2、数据准备
• 数据科学和人工智能技术笔记 3、数据预处理
• 数据科学和人工智能技术笔记 4、图像预处理
• 数据科学和人工智能技术笔记 5、文本预处理
• 数据科学和人工智能技术笔记 6、日期时间预处理
• 数据科学和人工智能技术笔记 7、特征工程
• 数据科学和人工智能技术笔记 8、特征选择
• 数据科学和人工智能技术笔记 十9、数据整理（上）
• 数据科学和人工智能技术笔记 十9、数据整理（下）
• 数据科学和人工智能技术笔记 二10、数据可视化
• Sklearn 学习指南 第四章：高级功能

模型评估/模型调优

• CS229 中文笔记 7、正则化
• CS229 中文笔记 10、应用机器学习的建议
• CS229 中文笔记 11、机器学习系统的设计
• DLAI 深度学习笔记 第二门课 第一周：深度学习的实用层面
• DLAI 深度学习笔记 第二门课 第三周超参数调试，batch正则化和程序框架
• DLAI 深度学习笔记 第三门课 第一周：机器学习策略（1）
• DLAI 深度学习笔记 第三门课 第二周：机器学习策略（2）
• 机器学习基石 5 -- Training versus Testing
• 机器学习基石 13 -- Hazard of Overfitting
• 机器学习基石 14 -- Regularization
• 机器学习基石 15 -- Validation
• Scikit-learn 秘籍 第二章 处理线性模型
• Scikit-learn 秘籍 第五章 模型后处理
• TensorFlow Rager 教程 2、在 Eager 模式中使用指标
• SciPyCon 2018 sklearn 教程 4、训练和测试数据
• SciPyCon 2018 sklearn 教程 十3、交叉验证和得分方法
• SciPyCon 2018 sklearn 教程 十4、参数选择、验证和测试
• SciPyCon 2018 sklearn 教程 十6、模型评估、得分指标和处理不平衡类别
• TensorFlow 学习指南 2、线性模型
• 数据科学和人工智能技术笔记 9、模型验证
• 数据科学和人工智能技术笔记 10、模型选择
• Sklearn 学习指南 第四章：高级功能

最优化

梯度降低

• CS229 中文笔记 十7、大规模机器学习
• DLAI 深度学习笔记 第一门课 第二周：优化算法

其它

• 机器学习技法 16（完结） -- Finale
• CS229 中文笔记 十9、总结
• 写给人类的机器学习 6、最好的机器学习资源
• 与 TensorFlow 的初次接触 6. 并行
• TensorFlow Rager 教程 3、如何保存和恢复训练模型
• TensorFlow 学习指南 4、分布式
• 数据科学和人工智能技术笔记 二11、统计学

关于咱们

咱们是一个大型开源社区，旗下 QQ 群共 9000 余人，订阅用户至少一万人。Github Star 数量超过 20k 个，在全部 Github 组织中排名前 200。网站日 uip 超过 4k，Alexa 排名的峰值为 20k。咱们的核心成员拥有CSDN 博客专家和简书程序员优秀做者认证。咱们与 Datawhale、AI 有道、黄海广博士等国内知名开源组织和大 V 合做，组织公益性的翻译活动、学习活动和比赛组队活动。

与商业组织不一样，咱们并不会追逐热点，或者惟利是图。做为公益组织，咱们将完成项目放在首要位置，并有足够时间把项目打磨到极致。咱们但愿作出广大 AI 爱好者真正须要的东西，打造真正有价值的长尾做品。

• 【导航】ibooker.org.cn
• 【归档】home.apachecn.org
• 【社区】bbs.apachecn.org
• 【Github】@ApacheCN
• 自媒体平台
  • 微博：@ApacheCN
  • 知乎专栏：AILearning
  • 公众号：ApacheCN
  • CSDN | 博客园 | 简书 | bilibili
• We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
• 合做 or 侵权，请联系 apachecn@163.com | 请抄送一份到 wizard.z@foxmail.com

赞助咱们