本github项目主要分享之前在公众号发表的机器学习、深度学习、Python方向的学习笔记和翻译文章，此外，还会包括一些教程、资源的推荐，偶尔的读书笔记分享。

这里汇总下截止到目前发表的文章(2020年5月17日）:

文章目录

• 机器学习
  • 机器学习入门系列
  • 特征工程系列
  • AI知识点系列
  • 深度学习
  • GAN 学习系列
  • 计算机视觉
  • 推荐系统
  • 论文阅读
  • Pytorch
    • 教程
  • Keras
  • 资源教程
• 数学系列
• Python
  • 基础入门系列
  • 进阶系列
  • Python-100-Examples
  • Python技巧
  • Pandas
  • Jupyter notebook
  • 资源教程
• 数据结构
• 工程能力
• 实战系列
• 资源分享系列
• 感想 & 心得体会 & 其他
  • 周末阅读
  • 周记&总结

文章汇总

---

机器学习

• 机器学习入门学习资料推荐
• 关于AI你可能不知道的5件事情
• 10个实用的机器学习建议

机器学习入门系列

• 机器学习入门系列(1)--机器学习概览(上)
• 机器学习入门系列(2)--机器学习概览(下)
• 机器学习入门系列（1）--机器学习概览
• 机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)
• 机器学习数据集的获取和测试集的构建方法
• 特征工程之数据预处理（上）
• 特征工程之数据预处理（下）
• 特征工程之特征缩放&特征编码
• 特征工程(完)
• 常用机器学习算法汇总比较(上）
• 常用机器学习算法汇总比较(中）
• 常用机器学习算法汇总比较(完）
• 简单聊聊模型的性能评估标准
• 模型评估、过拟合欠拟合以及超参数调优方法
• 初学者的机器学习入门实战教程！

back to top

特征工程系列

• 一文了解类别型特征的编码方法
• 一日一学--如何对数值型特征进行分桶

back to top

AI知识点系列

• AI知识点（1）--激活函数

back to top

深度学习

• 一文了解神经网络的基本原理
• 你有哪些deep learning（rnn、cnn）调参的经验？
• 深度学习领域有哪些瓶颈
• 深度学习算法简要综述(上)
• 深度学习算法简要综述(下)
• 每日一学：如何计算cnn模型的计算量

back to top

GAN 学习系列

• [GAN学习系列1]初识GAN
• [GAN学习系列2] GAN的起源
• 谷歌开源的 GAN 库--TFGAN
• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(上）
• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(中）
• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(下）
• 一文了解下 GANs可以做到的事情
• 必读的10篇关于GAN的论文

back to top

计算机视觉

• 是选择Keras还是PyTorch开始你的深度学习之旅呢？
• 2020年计算机视觉学习指南
• 来了解下计算机视觉的八大应用
• 资源 | 最新的细粒度图像分析资源
• 国内有哪些不错的CV（计算机视觉）团队

back to top

推荐系统

• RS(1)--10分钟了解什么是推荐系统
• RS(2)--从文本数据到用户画像

back to top

论文阅读

• 当搭配遇上个性化推荐

back to top

Pytorch

教程

• 快速入门Pytorch(1)--安装、张量以及梯度
• 快速入门PyTorch(2)--如何构建一个神经网络
• 快速入门PyTorch(3)--训练一个图片分类器和多 GPUs 训练
• 60分钟快速入门PyTorch
• PyTorch系列 | 快速入门迁移学习
• PyTorch系列 | 如何加快你的模型训练速度呢？
• PyTorch 系列 | 数据加载和预处理教程
• PyTorch | 保存和加载模型教程
• 编写高效的PyTorch代码技巧（上）
• 编写高效的PyTorch代码技巧（下）

Keras

• 实战|手把手教你训练一个基于Keras的多标签图像分类器

资源教程

• 常见的数据增强项目和论文介绍
• [Github项目]基于PyTorch的深度学习网络模型实现
• [Github推荐]CVPR2019录用论文下载及可视化论文网站
• [资源分享] Github上八千Star的深度学习500问教程
• [资源分享] 吴恩达最新《机器学习训练秘籍》中文版可以免费下载了！
• [资源分享] TensorFlow 官方中文版教程来了
• 必读的AI和深度学习博客
• [教程]一份简单易懂的 TensorFlow 教程
• [资源]基于 Pytorch 的 TorchGAN开源了
• [资源分享] 推荐两本电子书
• Github项目|几行代码即可实现人脸检测、目标检测的开源计算机视觉库

back to top

---

数学系列

• 程序员的数学笔记1--进制转换
• 程序员的数学笔记2--余数
• 程序员的数学笔记3--迭代法

back to top

---

Python

• Mac 下安装配置 Python 开发环境
• python版代码整洁之道
• python 数据模型

back to top

基础入门系列

• Python 基础入门--简介和环境配置
• Python基础入门_2基础语法和变量类型
• Python基础入门_3条件语句和迭代循环
• Python基础入门_4函数
• Python基础入门_5面向对象基础
• Python基础入门6_文件和异常
• Python基础入门7--编写测试用例

back to top

进阶系列

• 只需几行代码，即可实现多线程和多进程操作
• 进程和线程（上）
• 进程和线程（下）

back to top

Python-100-Examples

• Python-100 | 练习题 01 & 列表推导式
• Python-100 练习题 02
• Python-100 练习题 03 完全平方数
• Python-100 练习题 04 判断天数
• Python-100例(5-6) 排序&斐波那契数列
• Python-100例(7-8) 复制列表 & 打印乘法口诀

back to top

Python技巧

• [Python技巧]是时候用 defaultdict 和 Counter 代替 dictionary 了
• [Python技巧]如何加快循环操作和Numpy数组运算速度
• 20个常用的Python小技巧
• 数据科学家令人惊叹的排序技巧
• 几个有趣的python技巧
• python技巧（1）--如何转换itertools.chain对象为数组
• python技巧（2）--碾平列表和列表去重
• 一日一学：返回排序好的列表的索引顺序
• 每日一学：如何读取网络图片
• 每日一学：如何用matplotlib展示图片
• 每日一学：如何转换png图片为jpg图片

back to top

Pandas

• 10个高效的pandas技巧

back to top

Jupyter notebook

• 快速入门 Jupyter notebook
• Jupyter 进阶教程
• 如何远程访问服务器的 Jupyter notebook

back to top

资源教程

• python 学习资源推荐
• [资源]181个Python开源项目分享！
• [资源]推荐一些Python书籍和教程，入门和进阶的都有！
• 5月份 Github 上最热的十个 Python 项目，从Debug工具到AI水军、量化交易系统

back to top

---

数据结构

• Leetcode 系列 | 反转链表
• 数据结构算法入门--一文了解什么是复杂度
• 一文了解数组
• 数据结构算法入门--链表
• 如何用栈实现浏览器的前进和后退？

back to top

---

工程能力

• Nginx快速搭建和基本使用
• Linux 定时执行shell 脚本

back to top

---

实战系列

• [实战] 图片转素描图
• [实战]制作简单的公众号二维码关注图
• itchat 保存好友信息以及生成好友头像图片墙

back to top

---

资源分享系列

• 推荐几本数据结构算法书籍和课程
• [Github 项目推荐] 一个更好阅读和查找论文的网站
• [资源推荐] 必须收藏的两个查找论文和代码实现的网站！
• [Github项目推荐] 机器学习& Python 知识点速查表
• [Github项目推荐] 推荐三个助你更好利用Github的工具
• 搜索和在线阅读 Github 代码的插件推荐
• 日入过万星的 Github 项目
• 这些单词你都念对了吗？顺便推荐三份程序员专属英语教程！
• Github上的各大高校资料以及国外公开课视频

back to top

---

感想 & 心得体会 & 其他

• 工作半年的一点感想
• 关于春招 & 秋招面试的一些经验

back to top

周末阅读

• [周末阅读]如何培养你的自信和正确认识财富、创造财富
• [周末阅读]认知和规划，以及推荐几个入门教程Github
• [周末阅读]助你事半功倍的工作习惯和方法技巧
• [周末阅读]融入新团队、和领导沟通、如何面对批评以及实现升职加薪

back to top

周记&总结

• 20191215周学习总结
• 第二期周总结
• 简单总结 2019 & 展望 2020
• 2020年周记（1/50）
• 2020年1月总结
• 2020年周记(2/50)
• 2020年周记(3/50)

back to top