博文目录(最新更新:2019.8.5）

　　为了方便你们阅读，我把博文目录梳理了一下，里面会有已完成和计划写的博文，但愿你们多多交流，有错误的地方请随时指正^_^ 

 

---

 深度学习入门系列 (每周三发一篇，计划11月~6月更完)

    三个月教你从零入门深度学习 （10.26更新）

   【深度学习系列】PaddlePaddle之手写数字识别（10.23更新）

   【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理（11.1更新）

   【深度学习系列】PaddlePaddle之数据预处理（11.8更新）

   【深度学习系列】卷积神经网络详解(二)——本身手写一个卷积神经网络(11.22更新)

   【深度学习系列】用PaddlePaddle和Tensorflow进行图像分类(11.29更新)

   【深度学习系列】用PaddlePaddle和Tensorflow实现经典CNN网络AlexNet（12.06更新）

   【深度学习系列】用PaddlePaddle和Tensorflow实现经典CNN网络Vgg(12.13更新)

   【深度学习系列】用PaddlePaddle和Tensorflow实现经典CNN网络GoogLeNet（12.20更新）

　【深度学习系列】用PaddlePaddle和Tensorflow实现GoogLeNet InceptionV2/V3/V4（12.27更新）

   【深度学习系列】一块儿来参加百度 PaddlePaddle AI 大赛吧！(2018.1.4更新)

   【深度学习系列】关于PaddlePaddle的一些避“坑”技巧（2018.1.13更新）

   【深度学习系列】CNN模型的可视化（2018.1.24更新）

   【深度学习系列】PaddlePaddle可视化之VisualDL（2018.1.26更新）

   【深度学习系列】迁移学习Transfer Learning（2018.2.1更新）

   【深度学习系列】用PaddlePaddle进行车牌识别（一）（2018.2.26更新）

   【深度学习系列】用PaddlePaddle进行车牌识别（二）（2018.3.25更新）

   【深度学习系列】PaddlePaddle垃圾邮件处理实战（一）（2018.5.22更新）

   【深度学习系列】PaddlePaddle垃圾邮件处理实战（二）（2018.6.6更新）

   【深度学习系列】PaddlePaddle分布式训练及CTR预估（fluid新版，2019.5.21更新）

 

经验总结及计划

   我在北京这几年（全）

   【原】深度学习的一些经验总结和建议|To Do v.s Not To Do

　 坑爹的2016年总结

　2015年总结与2016年目标和计划

   2017年总结与2018年目标和计划

   2018年总结与2019年目标与计划

　【原】数据分析/数据挖掘/机器学习---- 必读书目

　【原】数据分析/数据挖掘 入门级选手建议

　【原】机器学习几个基本的问题　　

 

 LeetCode系列

    LeetCode刷题专栏第一篇--思惟导图&时间安排（2019.2.20更新）

    两个月刷完Leetcode前400题经验总结（2019.5.13更新）

 

PaddlePaddle专区--PaddleAI

　　PaddlePaddle分布式训练及CTR预估模型应用（2019.5.21更新）

 

 DeepLearning实践（不按期更新）

    一文弄懂神经网络中的反向传播算法——BackPropagation

    用tensorflow让神经网络自动创造音乐

    如何用卷积神经网络CNN识别手写数字集

  【原】KMeans与深度学习自编码AutoEncoder结合提升聚类效果

 

 Spark（2016.5月中旬写完---已完成）

　【原】Learning Spark (Python版) 学习笔记(一)----RDD 基本概念与命令

　【原】Learning Spark (Python版) 学习笔记(二)----键值对、数据读取与保存、共享特性

   【原】Learning Spark (Python版) 学习笔记(三)----工做原理、调优与Spark SQL(已完成--5.8更新)

   【原】Learning Spark (Python版) 学习笔记(四)----Spark Sreaming与MLlib机器学习(已完成--5.30更新)

   【原】Spark之机器学习(Python版)(一)——聚类

   【原】Spark之机器学习(Python版)(二)——分类

 

 

算法应用

　【原】浅谈KL散度（相对熵）在用户画像中的应用

    关于Jaccard类似度在竞品分析中的一点思考

 

资料集合

　 【原】python中文文本挖掘资料集合

    【深度学习Deep Learning】资料大全（5.12更新）

　 【机器学习Machine Learning】资料大全（5.13更新）

 

机器学习算法原理详解（含代码）（6-10月份写--最新更新：7.6)

    机器学习基础与实践（一）----数据清洗

    机器学习基础与实践（二）----数据转换

    机器学习基础与实践（三）----数据降维之PCA

  【机器学习】如何解决数据不平衡问题