OSN博士必须掌握的必杀技(更新至2017/12/15)
来源:互联网 发布:外贸邦海关数据 编辑:程序博客网 时间:2024/06/06 05:07
以下内容更新至2017.12.15
- 概率图模型
- 1 Representation
- 11 The Bayesian Network Representation
- 12 Undirected Graphical Models
- 13 Local Probabilistic Models
- 14 Template-Based Representations
- 15 Gaussian Network Models
- 16 The Exponential Family
- 2 Inference
- 21 Variable Elimination
- 22 Clique Trees
- 23 Inference as Optimization
- 24 Particle-Based Approximate Inference
- 25 MAP Inference
- 26 Inference in Hybrid Networks
- 27 Inference in Temporal Models
- 3 Learning
- 31 Parameter Estimation
- 32 Structure Learning in Bayesian Networks
- 33 Partially Observed Data
- 34 Learning Undirected Models
- 4 Actions and Decisions
- 41 Causality
- 42 Utilities and Decisions
- 43 Structured Decision Problems
- 1 Representation
- 十大经典机器学习算法
- 1 K近邻KNN
- 2 K-means
- 3 朴素贝叶斯
- 4 决策树
- 41 ID3
- 42 C45
- 5 logistic回归与最大熵模型
- 6 支持向量机
- 7 AdaBoost提升树
- 8 EM
- 9 隐马尔可夫
- 10 条件随机场
- 11 简单的预测
- 111 最小二乘法
- 112 径向基网络
- 113 岭回归
- 基本的deep learning算法
- 1 卷积神经网络
- 2 循环递归神经网络
- 3 自编码器
- 4 线性分解机
- 5 玻尔兹曼机
- 6 深度置信网络
- 7 蒙特卡洛方法
- 比较前沿的deepmachine learning 算法
- 1 represent learning
- 2 structured probabilistic models for deep learning
- 3 注意力机制
- 4 强化学习
- 通用算法
- 1 random walk
- 2 图
- 21 图的表示
- 22 图的搜索
- 23 拓扑排序强连通分量
- 24 最小生成树
- 25 单源最短路径
- 26 成对最短路径
- 27 最大流
- 3 树与二叉树
- 4 查找与排序
- 5 表栈队列
- 6 分治
- 7 递归
- 8 线性规划
- 9 贪心算法
- 10 摊还分析
- 11 多线程算法
- 12 矩阵运算
- 13 傅立叶变换
- 14 数论算法
- 15 字符串匹配
- 16 计算几何
- 17 NP完全性
- 18 近似算法
- 简单的凸优化理论
- 元路径与异构信息网
- 基本的多媒体
- 基本的编程能力
- 1 科学研究必备
- 11 Python
- 12 Matlab
- 13 Keras
- 14 Tensorflow
- 2 打造你的小型项目
- 21 Nodejs
- 23 JavaScript
- 24 Python-Django
- 25 html
- 26 css
- 5 让想法变成现实
- 51 Swift
- 52 Azure
- 53 React Native
- 1 科学研究必备
- 基本的NLP
- 1 了解分词技术
- 2 NLP中的概率图模型
- 3 词性标注与命名实体识别
- 4 句法分析
- 5 语义网
- 6 机器翻译
- 7 对话机器人
- 8 语言模型和经典理论
- 81 LDA
- 82 skip gram
- 9知识图谱与本体
- 时间序列分析
- 1 波松过程
- 2 高斯过程
- 基本的推荐方法
- 1 协同过滤
- 2 矩阵分解理论
- 社会媒体挖掘
- 1 复杂网络基础
- 2 社区发现
- 3 信息传播与影响力
- 4 行为分析与预测
1.概率图模型
1.1 Representation
1.1.1 The Bayesian Network Representation
1.1.2 Undirected Graphical Models
1.1.3 Local Probabilistic Models
1.1.4 Template-Based Representations
1.1.5 Gaussian Network Models
1.1.6 The Exponential Family
1.2 Inference
1.2.1 Variable Elimination
1.2.2 Clique Trees
1.2.3 Inference as Optimization
1.2.4 Particle-Based Approximate Inference
1.2.5 MAP Inference
1.2.6 Inference in Hybrid Networks
1.2.7 Inference in Temporal Models
1.3 Learning
1.3.1 Parameter Estimation
1.3.2 Structure Learning in Bayesian Networks
1.3.3 Partially Observed Data
1.3.4 Learning Undirected Models
1.4 Actions and Decisions
1.4.1 Causality
1.4.2 Utilities and Decisions
1.4.3 Structured Decision Problems
2. 十大经典机器学习算法
2.1 K近邻(KNN)
2.2 K-means
2.3 朴素贝叶斯
2.4 决策树
2.4.1 ID3
2.4.2 C4.5
2.5 logistic回归与最大熵模型
2.6 支持向量机
2.7 AdaBoost/提升树
2.8 EM
2.9 隐马尔可夫
2.10 条件随机场
2.11 简单的预测
2.11.1 最小二乘法
2.11.2 径向基网络
2.11.3 岭回归
3. 基本的deep learning算法
3.1 卷积神经网络
3.2 循环/递归神经网络
3.3 自编码器
3.4 线性分解机
3.5 玻尔兹曼机
3.6 深度置信网络
3.7 蒙特卡洛方法
4. 比较前沿的deep/machine learning 算法
4.1 represent learning
4.2 structured probabilistic models for deep learning
4.3 注意力机制
4.4 强化学习
5. 通用算法
5.1 random walk
5.2 图
5.2.1 图的表示
5.2.2 图的搜索
5.2.3 拓扑排序/强连通分量
5.2.4 最小生成树
5.2.5 单源最短路径
5.2.6 成对最短路径
5.2.7 最大流
5.3 树与二叉树
5.4 查找与排序
5.5 表/栈/队列
5.6 分治
5.7 递归
5.8 线性规划
5.9 贪心算法
5.10 摊还分析
5.11 多线程算法
5.12 矩阵运算
5.13 傅立叶变换
5.14 数论算法
5.15 字符串匹配
5.16 计算几何
5.17 NP完全性
5.18 近似算法
6. 简单的凸优化理论
7. 元路径与异构信息网
8. 基本的多媒体
基本的图片处理与音频/视频处理技术
9. 基本的编程能力
9.1 科学研究必备
9.1.1 Python
9.1.2 Matlab
9.1.3 Keras
9.1.4 Tensorflow
9.2 打造你的小型项目
9.2.1 Node.js
9.2.3 JavaScript
9.2.4 Python-Django
9.2.5 html
9.2.6 css
9.5 让想法变成现实
9.5.1 Swift
9.5.2 Azure
9.5.3 React Native
10. 基本的NLP
10.1 了解分词技术
10.2 NLP中的概率图模型
10.3 词性标注与命名实体识别
10.4 句法分析
10.5 语义网
10.6 机器翻译
10.7 对话机器人
10.8 语言模型和经典理论
10.8.1 LDA
10.8.2 skip gram
10.9知识图谱与本体
11. 时间序列分析
11.1 波松过程
11.2 高斯过程
12. 基本的推荐方法
12.1 协同过滤
12.2 矩阵分解理论
13. 社会媒体挖掘
13.1 复杂网络基础
13.2 社区发现
13.3 信息传播与影响力
13.4 行为分析与预测
阅读全文
0 0
- OSN博士必须掌握的必杀技(更新至2017/12/15)
- DBA必须掌握的SQL--持续更新
- c++面试必须熟练掌握的算法(持续更新)
- 15必须掌握的win7快捷键
- 必须掌握的八个
- 必须掌握的命令行
- 必须掌握的命令行
- 必须掌握的命令行
- 必须掌握的命令行
- 必须掌握的知识点
- 必须掌握的排序
- 必须掌握的
- 网络管理员必须掌握的知识
- DBA必须掌握的命令
- 必须掌握的linux命令
- 什么是程序员必须掌握的?
- 必须掌握的基础命令
- ACM必须掌握的算法
- 被选中的商品价格计入总金额
- Intellij IDEA配置springMVC时提示"context:component-scan" is not bound
- 第十三周项目1验证算法(2)
- 11周 项目3
- net WebApi中使用swagger
- OSN博士必须掌握的必杀技(更新至2017/12/15)
- iOS11 解决MBProgressHUD弹框不显示问题
- bzoj1426 收集邮票(递推+概率期望)
- ceph (luminous 版) primary affinity 管理
- sqlnet.ora
- MVP+断点续传
- java多种方式读文件,追加文件内容,对文件的各种操作
- Angular终结版
- myeclipse和eclipse 项目中的Libraries是空的