七月在线机器（深度）学习、数据挖掘、算法系列课程 | 吾爱程序猿
点击领取本站独家阿里云幸运卷，赢你的iPad、天猫精灵、移动电源等 100%中奖
分类截图01 数学课程
机器学习中的数学班-2016年6月大纲草案第1课 机器学习与数学综述机器学习的种类与基本思路，假设函数与损失函数，机器学习与统计学、最优化、微分、矩阵运算的关系
第2课 微积分Taylor展式、梯度下降和牛顿法初步、Jensen不等式
第3课 概率论与数理统计常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理
第4课 参数估计矩估计、极大似然估计
第5课 矩阵基础线性映射，线性方程，矩阵基本概念，相似变换，特征向量
第6课 矩阵进阶二次型，对称矩阵对角化，奇异值分解
第7课 凸优化基础优化、凸优化基本概念简介，凸集，凸函数
第8课 凸优化进阶凸优化问题标准形式，对偶问题与KKT条件牛顿法，内点法
第9课 从数学到机器学习分类问题机器学习与分类问题，空间切分与决策边界，Softmax与linearSVM，损失函数与最小化
第10课 优化与统计学习的典型应用：SVM进阶最大间隔分类，SVM中的目标函数的优化方法，kernel tricks，soft-hard margin，thinking in SVMs
机器学习中的数学班-2016年4月
02 算法课程
10月算法强化班-2016年
10月算法在线班-2015年链表、递归、栈、队列（拓扑排序、括号匹配、逆波兰表达式）字符串（全排列、LCS、Huffman编码)数组（局部最大值、荷兰国旗、子集和数、最大间距）树（遍历、AVL等)图（深度搜索、隐式图、单词变换、N-皇后、数独）查找排序（排序大综合、Top10、排序与Hash、桶排序）贪心动态规划（动态规划本质论、回文划分、LIS、矩阵连乘、Catalan数）数学（概率、组合数论、统计）海量数据处理（Trie树、BloomFilter、Hash、跳表）、系统设计BAT面试精讲
4月算法在线班-2015年算法在线课程，日起上课，课程大纲为：
算法综述（从各路数据结构谈到各种经典算法）字符串（比如最长回文子串，和极其精彩的KMP、有限状态自动机）数组（比如完美洗牌问题、后缀数组）树（比如Trie树、后缀树、2-3-4树、红黑树、B树、及最近公共祖先）链表、递归、栈查找排序（比如二分、二叉树查找，快排、堆排，及O(1)空间的二叉树Morris遍历算法）图（比如DFS、BFS、最小生成树、最短路径算法）图论补遗、贪心动态规划
动态规划实战班第一课 动态规划初步
不递归的都是耍流氓
实战十年，最容易的入门套路
斐波那契数列算DP么？
小兵向前冲
“手撕”动归，coding直播实战
第二课 动态规划进阶
几种常见的DP模型
01背包问题
最长公共子序列
NP转DP——状态压缩
“手撕”动归，coding直播实战
树实战coding直播班Day 1基础知识数据结构树的遍历二叉树二叉查找树与相关应用二叉树的详细介绍二叉树的应用非二叉树的左兄弟右儿子表示方法“辗轧”树：coding直播实战
Day2树的进阶应用几种进阶树结构线段树简略介绍红黑树，R树等结构全程结合最新笔试提面试题/leetcode：直播刷题
图搜索实战班第一课图搜索基础1.图遍历2.走迷宫3.隐式图
深度优先1.递归的奥义——自我复制2.伪代码3.八皇后问题4.启发式深度优先-骑士游历问题5.迭代加深搜索6.手撕DFS：leetcode直播切题
第二课C.广度优先1.队列+判重2.伪代码3.八数码问题4.启发式搜索A*5.双向搜索6.深度优先广度优先异同7.辗轧BFS：leetcode直播切题
03 Python课程
Python基础入门班 [近千人,学Python的第1个课]第1课 入门基础
Python简介
Python安装和notebook环境配置（Windows平台）
编程经验分享
语法格式简介：缩进；注释；引号的使用；中文支持…
编码规范简介第2课 关键字与循环控制
常用关键字介绍
运算符和基本运算
位运算介绍
变量和赋值
字符串处理
函数定义;可变参数和递归第3课 容器以及容器的访问使用
容器：list/tuple； set
生成器以及什么是协程
实现堆栈；队列；链表和二叉树实例：利用递归函数解决八皇后问题第4课 面向对象基础
继承和多态以及多重继承
获取对象信息
实例属性和类属性
模块和包第5课 文件访问与函数式编程入门
文本文件读写
二进制文件读写
文件和目录操作
序列化与反序列化
偏函数第6课 高级面向对象
使用slots和property
类的内部成员函数
异常与错误处理
单元测试实例：MVC中Model简易实现第7课 并发编程以及系统常用模块
多线程；锁和线程局部变量
正则表达式简介
日期和时间
常用内建模块：collections；itertools第8课 常用第三方模块
Python的request模块
beautiful soup和网络爬虫初步实例：python发送电子邮件和短信
Python爬虫项目班第一课 环境准备与入门
环境准备，安装Virtual Box与Ubuntu系统。
Python以及PyEnv、PIP的安装配置
MySQL安装配置
Apache安装配置
Python/HTML简介第二课 Python编程入门
Python常用库的安装
第二周 自己动手写爬虫，获取电商网站与知乎的数据第三课 爬虫基础知识与简易爬虫实现
HTML基础知识
XML与Json基础知识
CSS基础知识
XPath与CSS选择器
Selenium简介与配置
实战：获取某电商网站数据第四课 相关库使用与登录问题
request/BeautifulSoup库使用入门
爬虫登陆问题的相关解决方案
Python数据库编程
第三周 使用scrapy框架实现可商用的爬虫第五课 scrapy框架学习
命令行工具/终端
选择器第六课 爬虫设计实战
基于scrapy框架获取某电商网站数据
第四周 学习如何提高爬虫效率并了解scrapy框架第七课 高级内容 - 并发编程
Twisted与异步编程
并发抓取实战第八课 分布式爬虫框架设计
scrapy架构分析
如何设计分布式爬虫
RabbitMQ处理分布式消息
布隆过滤器简介及应用
Python数据分析班 [超1300人报名，人数TOP 1]第一课 Python入门 （王）1.Python安装2.常用数据分析库NumPy、Scipy、Pandas、matplotlib安装3.常用高级数据分析库scikit-learn、NLTK安装4.IPython的安装与使用5.Python2与Python3区别简介案例：Python常用科学计算
第二课 数据准备与Numpy （应）1.多维数组对象2.元素级别处理函数3.利用数组进行数据处理4.文件输入输出5.线性代数相关功能以及线性代数基础知识6.随机数的生成案例：通过实际代码演示NumPy的多维数组与线性代数矩阵操作，以及数据输入输出
第三课 Python数据分析主力Pandas （应）1.基本数据结构2.基本功能：索引，选取，过滤，排序…3.基本统计功能4.缺失数据处理5.层次化索引案例：通过实际代码演示pandas处理及统计数据
第四课 数据获取与处理 （寒）1.工业界常见数据格式与形态2.python对不同格式的数据读写3.pandas数据处理复习4.数据简易爬取与解析5.正则表达式：快捷捕捉你想要的信息案例：简易网页爬取与数据解析处理
第五课 数据可视化Matplotlib （冯）1.信息可视化和数据可视化的基本原理2.常见可视化的方式3.如何针对数据特点设计可视化方案案例：一典型可视化方式的实现（提供课堂ipython代码实例）
第六课 Python文本分析NLTK （加）1.分词2.词性标注3.情感分析4.词形还原5.拼写检查6.文本分类案例：一个典型文本分类流程的实现
第七课 python 社交网络分析igraph（王）1.社交网络分析指标介绍2.pagerank算法3.igraph中多种社区发现算法介绍案例：如何构造一个图，节点、边操作，以及基础图算法使用和可视化案例
第八课 Python机器学习scikit-learn（冯）1.scikit-learn简介2.机器学习的处理流程：以scikit-learn为例3.scikit-learn的优化方法（并行化处理，cython的使用等）案例：以手写数字识别和房价预估为例，如何利用sklearn进行机器学习的特征转化、建模、可视化，以及最后的模型评估
第九课 数据科学完整案例：学会使用你的“瑞士军刀”（寒）1.数据获取与解析：你爱的足球队2.用“数据”的眼睛去看球：“一个人完成的央视数据统计”3.球员数据统计与可视化：“到底谁是最好的球员？”案例说明：从抓取数据、解析数据、分析数据，到可视化、建模完整走一遍，从实际案例中一举窥探数学科学完整工作流程
第十课 Python分布式计算 （王）1.Python多进程模块Multiprocessing2.Python使用Hadoop分布式计算库mrjob3.Python使用Spark分布式计算库PySpark案例：分别使用MapReduce和Spark实现wordcount
04 机器学习课程
10月机器学习算法班 [王牌课程 八大升级]-2016年课程大纲暂定如下，后续会有微调：第1课 概率论与数理统计Taylor展式、梯度下降和牛顿法初步、Jensen不等式、常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理、矩估计、极大似然估计
第2课 矩阵和线性代数特征向量、对称矩阵对角化、线性方程
第3课 凸优化凸集、凸函数、凸优化、KKT条件
第4课 回归知识内容：线性回归、logistic回归、梯度下降实践示例：线性回归与拟合，Logistic回归与分类工程经验：实际工程海量数据下的logistic回归使用，包括样本处理、特征处理、算法调优和背后的原理
第5课 决策树、随机森林、GBDT/xgboost/fastRGF决策树 随机森林、GBDT、xgboost、fastRGF实践案例：使用随机森林进行数据分类
第6课 SVM线性可分支持向量机、线性支持向量机、非线性支持向量机、SMO实践案例: 使用SVM进行数据分类
第7课 最大熵与EM算法熵、相对熵、信息增益、最大熵模型、IIS、GMM
第8课 特征工程内容：数据获取、数据清洗、特征抽取、特征选择与融合目标：掌握实际工程数据上的特征处理与特征选择
第9课 模型调优内容：实际机器学习项目下的场景分析、算法选择、模型构建与调优、kaggle示例目标：掌握一个实际工业界完整的机器学习模型构建的流程
第10课 推荐系统基于内容的推荐，协同过滤，隐语义模型，排序模型实践案例：基于用户打分的电影推荐系统
第11课 从分类到CTR预估分类问题与LR, SVM, Random Forest，GBDT;从分类到CTR预估与排序实践案例：电商分类与各种模型融合，CTR预估
第12课 聚类K-means/K-Medoid/层次聚类实践示例：K-means代码实现和实际应用分析
第13课 贝叶斯网络朴素贝叶斯、有向分离、马尔科夫模型
第14课 隐马尔科夫模型HMM概率计算问题、参数学习问题、状态预测问题实践案例：使用HMM进行中文分词
第15课 主题模型pLSA、共轭先验分布、LDA实践案例：使用LDA进行文档分类
第16课 采样与变分MCMC/KL(p||q)与KL(q||p)
第17课 人工神经网络全连接神经网络、BP算法、链式法则实践案例：用BP网络做样本数据分类
第18课 深度学习之CNN卷积操作、Polling操作理解卷积网络、卷积网络训练以及GPU加速实践案例：卷积网络在图像分类中的应用
第19课 深度学习之RNNRNN 网络、LSTM实践案例：回归网络在自然语言处理中的应用（利用RNN学汪峰写歌词、学小四写文章）
第20课 深度学习实践Caffe 入门教程Tensor Flow/MxNet 简介实践案例：使用Torch进行图像分类及卷积网络可视化的深度学习实践
3月机器学习在线班-2015年第1~4次课，机器学习中的基础：微积分（函数与极限、导数与微分、不定积分与定积分）、概率论与数理统计（期望方差、大数定律、二项分布、中心极限定理、正态分布）概率论视频：数理统计视频：矩阵（正交矩阵、协方差矩阵、SVD）矩阵运算视频：最优化（凸函数、凸优化、对偶问题）极大似然估计、最小二乘、线性回归、logistic回归第5次课，牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)第6次课，熵、最大熵模型MaxEnt、改进的迭代尺度法IIS第7次课，聚类（k-means、层次聚类、谱聚类等）第8~12次课，分类K近邻、决策树、随机森林(random decision forests)、15分钟实践（随机森林运用）随机森林视频：Adaboost（包括公式推导、加法模型、指数损失函数的理解）Adaboost视频：朴素贝叶斯、与贝叶斯网络(Bayesian Network)贝叶斯网络视频：支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO）、半小时实践（libsvm的简单运用）支持向量机上：支持向量机中：支持向量机下：EM、混合高斯模型第13次课，主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA）、15分钟实践（文档主题的提取）第14~15次课，标注马尔科夫链、隐马尔可夫模型HMM(Hidden Markov Model)HMM上：HMM中：HMM下：采样第16次课，马尔可夫随机场(Markov Random Field)、条件随机场CRF等等条件随机场（上）：条件随机场（中）：条件随机场（下）：第17次课，SVD、主成分分析PCA、因子分析、独立成分分析ICA第18次课，卷积神经网络(CNN)、深度学习浅析第19次课，变分推断方法(Variational Inference)第20次课，知识图谱
4月机器学习算法班 [上半年最火课程TOP 1]-2016年课程大纲暂定如下，后续会有微调：第1课 微积分与概率论Taylor展式、梯度下降和牛顿法初步、Jensen不等式、
第2课 数理统计与参数估计常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理、矩估计、极大似然估计
第3课 矩阵和线性代数特征向量、对称矩阵对角化、线性方程
第4课 凸优化凸集、凸函数、凸优化、KKT条件
第5课 回归知识内容：线性回归、logistic回归、梯度下降实践示例：线性回归与拟合，Logistic回归与分类工程经验：实际工程海量数据下的logistic回归使用，包括样本处理、特征处理、算法调优和背后的原理
第6课 特征工程内容：数据获取、数据清洗、特征抽取、特征选择与融合目标：掌握实际工程数据上的特征处理与特征选择
第7课 模型调优内容：实际机器学习项目下的场景分析、算法选择、模型构建与调优、kaggle示例目标：掌握一个实际工业界完整的机器学习模型构建的流程
第8课 最大熵与EM算法熵、相对熵、信息增益、最大熵模型、IIS、GMM
第9课 推荐系统基于内容推荐、协同过滤、排序学习、神经网络推荐实践案例：实际电商推荐系统的算法与架构
第10课 聚类K-means/K-Medoid/层次聚类实践示例：K-means代码实现和实际应用分析
第11课 决策树、随机森林、AdaboostID3、C4.5、CART、Bagging、GBDT、Adaboost、前向分步算法实践案例：使用随机森林进行数据分类 [含代码实现和参数调试分析]
第12课 SVM线性可分支持向量机、线性支持向量机、非线性支持向量机、SMO实践案例: 使用SVM进行数据分类 [含代码实现和参数调试分析]
第13课 贝叶斯网络朴素贝叶斯、有向分离、马尔科夫模型
第14课 主题模型pLSA、共轭先验分布、LDA实践案例：使用LDA进行文档分类 [含gensim开发实例和参数调试分析]
第15课 采样与变分MCMC/KL(p||q)与KL(q||p)
第16课 人工神经网络全连接神经网络、BP算法、链式法则实践案例：用BP网络做样本数据分类
第17课 深度学习之CNN卷积操作、Polling操作理解卷积网络、卷积网络训练以及GPU加速实践案例：卷积网络在图像分类中的应用
第18课 深度学习之RNNRNN 网络、LSTM实践案例：回归网络在自然语言处理中的应用（字符模型和文本生成，char-rnn 案例分析）
第19课 深度学习实践Caffe 入门教程Tensor Flow/MxNet 简介实践案例：使用Torch进行图像分类及卷积网络可视化的深度学习实践
第20课 贝叶斯网络和HMM贝叶斯网络、概率计算问题、参数学习问题、状态预测问题实践案例：使用HMM进行中文分词 [含代码实现和参数调试分析]
9月机器学习在线班-2015年考虑到不少初学者因数学功力不足，公式不会推导而学不下去，故本次课程的前4次课帮大家重点梳理下机器学习所需要的数学知识，具体上课内容安排如下
第1课 微积分与概率论Taylor展式/牛顿法/梯度/指数族分布/共轭分布第2课 数理统计与参数估计统计量/切比雪夫不等式/大数定理/中心极限定理/参数估计方法第3课 线性代数向量/矩阵/方程/特征向量第4课 凸优化凸集、凸函数、凸优化、KKT条件第5课 回归最小二乘法、梯度下降、稀疏、过拟合、Logistic回归代码示例：使用批处理梯度下降和随机梯度下降(SGD)求回归参数第6课 梯度下降算法剖析自适应学习率、拟牛顿代码示例：使用Armijo准则的BGD/SGD求自适应学习率第7课 最大熵模型熵、最大熵模型、IIS第8课 PCA、SVD、LDA（Linear Discriminant Analysis）第9课 聚类距离度量、K-means/K-Medoid/密度聚类/谱聚类第10课 决策树和随机森林ID3、C4.5、CART、Bagging、GBDT第11课 AdaboostAdaboost、前向分步算法第12课 SVM线性可分支持向量机/线性支持向量机/非线性支持向量机、SMO机器学习实验课1: SVM代码实现和分析，纯Web交互式，无需任何安装环境。第13课 贝叶斯网络朴素贝叶斯、有向分离、马尔科夫模型/ HMM /pLSA /LDA第14课 EM算法GMM/pLSA/HMM代码示例：使用EM算法求GMM参数——以男女身高为例代码示例：使用EM算法求GMM参数——图像分割第15课 主题模型pLSA/共轭先验分布/LDA机器学习实验课2：水木社区BBS语料的LDA帖子分类实践第16课 采样与变分MCMC/KL(p||q)与KL(q||p)第17课 隐马尔科夫模型HMM概率计算问题/参数学习问题/状态预测问题第18课 条件随机场CRF概率无向图模型/MRF/线性链CRF第19课 人工神经网络：BP算法，CNN，RNN第20次课 深度学习机器学习实验课3：以Torch为框架的深度学习实践。
机器学习项目班-2017年6月第一周 从头到尾实现一个推荐系统第1课 音乐推荐系统(上)（寒）问题的引入，可获取的资源渠道，数据获取，数据组织，问题解决思路聚类与协同过滤、协同过滤优化与代码实现第2课 音乐推荐系统(下)（寒）推荐系统优化：隐语义模型，深度学习与用户序列建模，海量数据下的spark构建推荐系统
第二周 零距离实战深度学习项目第3课 神经网络实现机器翻译（褚）用PyTorch实现一个Encoder-decoder神经网络机器翻译模型
基于pytorch的风格转换（Johnson）学习并理解Facebook最新深度学习框架pytorch，利用pytorch实现简单的图片风格转换，让机器帮你作画
第三周 深度探索文本主题与分类第5课
文本主题与分类(上)（寒）文本数据的主题提取与可视化，基于机器学习（朴素贝叶斯，SVM）的文本分类第6课 文本主题与分类(下) （寒）基于fasttext与其他深度学习方法的文本分类
第四周 聊天机器人与金融反欺诈第7课
视觉聊天机器人 - 次世代的图灵测试（加）通过深度学习让聊天机器人告诉你图片中的复杂信息第8课 金融反欺诈模型训练（王）通过机器学习GBRT、RF、XGboost等算法训练建模解决信贷业务中欺诈用户预测的问题
第五周 含金量极高的点击率预估第9课 电商点击率预估(上)（寒）问题设定，特征处理，构建基于LR的baseline CTR预估系统：使用liblinear与spark第10课 电商点击率预估(下) （寒）使用深度学习自动学习特征表示，google wide&deep model，FNN&PNN
机器学习应用班-BAT工业应用[经典10节课]-2016年第一课 机器学习中的数学基础1 必要的微积分、概率统计基础2 必要的矩阵、凸优化基础
冯第二课 随机森林及其应用决策树 随机森林、GBDT、模型评估、ROC、机器学习的流程案例：利用随机森林进行Kinect手势判断
寒第三课 特征工程与模型调优内容：数据获取、数据清洗、特征抽取、特征选择与融合、模型调参目标：掌握实际工程数据上的特征处理与特征选择，及解决实际机器学习项目的一般途径、模式说明：实际机器学习工作中，分析问题、处理数据、处理特征占绝大部分工作
第四课 推荐系统基于内容的推荐，协同过滤，隐语义模型，排序模型案例：基于用户打分的电影推荐系统学员评价：“推荐系统讲了个kaggle比赛案例，从数据清洗，特征构建，建模~整个流程过了一遍，每一步是什么思路，我个人觉得这种讲法非常好。对我比较实用，有个整体的把握。上周的特征工程和模型调优也是受益匪浅”
第五课 从分类到CTR预估分类问题与LR, SVM, Random Forest，GBDT;从分类到CTR预估与排序案例：电商分类与各种模型融合，CTR预估说明：本次课程中最“贵”的一次课，之所以称为贵，是因为本次课所分享的CTR预估与排序是Google/baidu等互联网公司广告技术的重要核心点。
龙第六课 自然语言处理应用基础文本的表示，文本分类，朴素贝叶斯，语言模型，HMM介绍，TFIDF案例：用朴素贝叶斯实现新闻数据的自动分类
加第七课 深度学习在自然语言处理中的应用
自编码网络：简单粗暴的文本向量化方法
语义网络：文本算法在工业上上的应用
卷积神经网络：CNN在自然语言处理中的应用案例：从每日新闻中预测金融市场变化
寒第八课 图像检索图像与特征提取，卷积神经网络与图像特征表示，近似最近邻案例：基于卷积神经网络和近似最近邻的图像检索
李第九课 基于深度学习模型的物体检测与识别内容：1.物体检测问题介绍与一般流程2.关键技术分析（特征提取、目标框提取、NMS等）3.最新论文选讲：从RNN到Faster-RCNN, GNN, FCN等案例：在PASCAL数据库上训练一个Faster-RCNN模型
王第十课 社交网络在工业界的应用互联网金融反欺诈介绍探索社交网络算法案例：社交网络算法在金融反欺诈中的应用
05 深度学习课程
11月深度学习班 [16全年度最爆款课程TOP 1]-2016年第一周 夯实DL必备基础第1课 夯实深度学习数据基础（管）
必要的微积分、概率统计基础
必要的矩阵、凸优化基础
动手：numpy与高效计算第2课 从线性分类器到人工神经网络（寒）
softmax、linearSVM线性分类器与损失函数
BP算法与随机梯度下降
案例：使用神经网络完成数据非线性切分
第二周 掌握CNN与DL主流框架第3课 卷积神经网络与图像识别（寒）
卷积神经网络层级结构详解，可视化理解
典型卷积神经网络结构(AlexNet,VGG,GoogLeNet,ResNet)讲解
案例：图像识别CNN示例第4课 主流深度学习框架示例（寒）
Caffe的便捷图像应用
TensorFlow常见网络搭建与可视化
高效高速的MxNet与使用案例
搭积木一样方便的Keras
案例：全堂课都是案例
第三周 掌握物体检测与词嵌入第5课 图像物体检测与风格变化（李）
物体检测方法(Rcnn，Fast-rcnn，Faster-rcnn，R-FCN)
秒变文艺：neural style将照片转换成大师佳作
案例：R-FCN实验代码讲解，neural-style与fast neural-style代码讲解第6课 让计算机学会人类的文字：词嵌入（寒）
自然语言处理与词向量表示
word2vec与CBOM、Skip-Gram、GloVe
word2vec工具简介：word2vec，gensim
案例：词嵌入+CNN做文本分类
第四周 掌握RNN、LSTM及其应用第7课 循环神经网络与LSTM（寒）
学会记忆与理解的RNN
能选择性遗忘与更新的LSTM
案例：模仿小四文笔的RNN第8课 循环神经网络在NLP上的应用（寒）
生成模型用于“自动写代码“
注意力模型与“看图说话”原理
google神经网络翻译系统
第五周 在项目实战中掌握一切第9课 增强学习与Deep Q Network（寒）
马尔科夫决策过程
价值函数与策略评价、学习
Deep Q network
案例：用Tensorflow搭建Deep Q learning玩Flappy bird第10课 深度学习与各种迁移学习应用（寒）1 再谈物体检测与图像识别2 做过梵高作画实验，但不知原理？立马探究3 各类神经网络组合成的决策机器：AlphaGo解析
5月深度学习班 [国内第1个DL商业课程]-2016年深度学习课程大纲第一节：数学基础
必要的微积分、概率统计基础
必要的矩阵、凸优化基础
第二节：深度学习基础知识
机器学习基础、线性模型
CV 以及 NLP 背景知识介绍
逻辑回归、Softmax
第三节：人工神经网络
梯度下降算法
第四节：卷积网络与常用框架
理解神经网络的高准确度与非线性切分
卷积网络的层次结构，卷积操作、pooling操作
卷积网络的部分层次操作与数据的可视化
工业界成功的神经网络框架
第五节：网络训练与caffe1.参数初始化，超参数优化2.梯度检查，过拟合，正则化(dropout)3.caffe讲解，网络搭建训练与实际工业应用方式
第六节：卷积网络在图像识别、目标检测中的应用
Deep Dreamer/Artistic style transfer 案例分析
AutoEncoder和Waifu2X案例分析
R-CNN 目标检测 案例分析
第七节：循环网络与LSTM
第八节：循环网络在自然语言处理中的应用
字符模型和文本生成，char-rnn 案例分析
NerualTalk2 案例分析
基于词嵌入word embedding的应用
第九节：其他深度网络结构
CPPN、孪生网络
变分自编码器（Variational AutoEncoder）
Deep Q Network
第十节：其他深度学习框架
Tensor Flow入门教程
torch/MxNet 简介
TensorFlow框架案例实战 [做国内首批tf工程师]-2017年1.Tensorflow基础
计算图的概念与使用
张量的概念与使用
Tensorflow与session
Tensorflow playground与非线性切分案例
2.详解深度神经网络案例
线性与非线性模型
多种场景与损失函数
过拟合、学习率与滑动平均模型
完成一个深度神经网络案例
3.卷积神经网络与图像应用
经典数据集与应用
卷积神经网络与图像识别：从LeNet-5到google inception V3
物体检测与google object detection
4.海量图像训练预处理
Tensorflow TFRecord输入数据格式与数据队列
Tensorflow 图像预处理功能
多线程输入数据处理框架
高效Tensorflow图像应用
5.循环神经网络与应用
简易循环神经网络案例
LSTM/GRU循环神经网络
自然语言生成建模案例
时间序列预测建模案例
6.Tensorboard工具与模型优化
Tensorboard简介
命名空间与Tensorboard可视化
模型状态评估与优化
Kaggle图像比赛与优化案例
7.Tensorflow应用案例
基于Tensorflow的图像风格转换案例
基于Tensorflow的DCGAN图像生成案例
8.Tensorflow之上的工具库
Keras序贯模型与函数式模型
Keras图像与自然语言应用案例
06 CV计算机视觉课程0、2016年计算机视觉班 [从CV基础到深度学习实战]《计算机视觉班 》课程大纲第一讲 工欲善其事必先利其器——图像处理基础
CV背景介绍
OpenCV完全解析基础
图像的基本操作：遍历图像6种方法，ROI选取等
初探计算机视觉
VideoCapture类介绍
Opencv编程常见错误
Python环境搭建+语法应用：机器学习在CV中的应用（python与C++多种演示）
第三讲 空域图像处理的洪荒之力
图像卷积运算
边缘检测方法：sobel，canny以及图像拉普拉斯应用：车牌识别项目
第四讲：机器视觉中的特征提取与描述
局部特征大汇总（GFTT，SIFT，SURF，FAST，ORB…）应用：无人车项目提示
第五讲：坐标变换与视觉测量
2D、3D、坐标变换
相机标定应用：增强现实技术simple VR不神秘（第四，第五讲综合演练）
第六讲：深度学习在图像识别中的应用分类：linear regression, neural networks检测：bounding box regression定位：localization应用：使用CNN进行图像识别
第七讲：图像检索
图像检索与特征抽取
海量数据与快速检索
电商商品检索技术应用：基于Tensorflow与近似最近邻查找的图像检索示例
第八讲：图像标注与问答
语言模型介绍
LSTM模型与标注问题
应用：DenseCaption in Generating Captions in Images.
第九讲：3D计算机视觉
表面和外形重构
基于模型的重构
应用：人脸动画
第十讲：机器视觉项目实战CV 实战：以鲸鱼识别为例，利用深度学习解决Kaggle竞赛中的图像分类问题
07 数据挖掘课程数据挖掘班 [干货满满、口碑极佳]-2016年6月数据挖掘班大纲讨论稿（由浅入深、从基础入门到海量数据挖掘/处理，稳步推进）1、数据挖掘基础入门：数据科学与数学基础知识内容：数据挖掘基础，微积分、概率论、线性代数基础实践：用numpy进行矩阵运算
2、数据处理/分析与可视化内容：数据获取、数据格式、数据内容处理与分析、数据的可视化实践：用python解析和清洗数据，pandas统计与分析数据，matplotlib和seaborn等做可视化
3、海量数据的分布式处理内容：hadoop，Spark介绍，Map Reduce数据处理，hive与常见数据统计分析实践：map reduce计数，文件关联与特征mapping，hiveql统计示例
4、数据上的关联规则内容：数据关联分析，海量数据的关联分析方案，A-Priori与PCY算法实践：小型商业服务中的在线认证企业资料挖掘，人群背景与身份关联挖掘
5、数据与聚类内容：聚类与社区发现算法，深度剖析Kmeans等算法实践：Spark MLlib下的K-Means算法与GraphX下的Label-Propagation算法实践
6、海量数据索引与近似最近邻内容：海量数据检索问题，近似最近邻(ANN)常用算法：LSH、KD-Tree、Kmeans-Tree实践：海量图像数据与最近图片检索
7、数据分类与排序内容：有监督学习与分类，LR、SVM、深度神经网络与分类排序问题，样本高效训练实践：kaggle分类问题、海量数据下电商的CTR预估问题
8、海量数据与推荐系统内容：基于内容的推荐算法，协同过滤，隐因子模型实践：基于用户/商品的协同过滤推荐，隐因子模型电影推荐
9、海量高维数据与维度约减内容：数据降维与SVD，CUR分解实践：SVD与PCA在推荐系统与数据压缩应用
10、海量网页搜索与PageRank内容：海量数据构成的图关联分析，PageRank与网页搜索实践：PageRank在图关联数据上的应用与排序
08 量化交易课程机器学习与量化交易项目班-2016年
自动化交易综述主要内容： 课程内容综述，自动化／算法交易介绍，python在自动交易中的应用简介
量化交易系统综述主要内容：回测，自动交易，策略建模，常见平台使用
搭建自己的量化数据库软件需求，数据获取方式，数据存储方式mini-project-1: 金融数据的存储，读取
用python进行金融数据分析主要内容：数据清理与特征选择mini-project-2: pandas与金融数据分析
策略建模综述主要内容：介绍量化交易中的策略建模流程及主要处理方式
策略建模：基于机器学习的策略建模mini-project-3: 基于机器学习的金融预测
模型评估与风险控制主要内容：模型评估的一般流程和常用手段、与风险控制的原理和实现方法
自动交易系统的搭建主要内容：基于事件驱动型的自动交易系统Final-Project: 手把手教你搭建自动交易系统（有作业，课后直接赠送一套自动交易系统，可自行定制、修改）
量化策略的实现mini-project-4:将本学期的所有project融入到上节课的系统中去，尤其是将机器学习的策略模型与自动化交易系统耦合。
策略优化与课程总结主要内容：如何进行模型选择与优化，课程回顾与展望：where to go from here..
09 NLP课程
NLP到Word2vec实战班-2016年11月
NLP理论基础
自然语言处理的流程
标准的文本类问题解决方案
案例：经典文本分类问题
Word2Vec理论基础
什么是Word2Vec
Word2Vec的理论基础及优缺点
Word2Vec实战运用
Word2Vec实战案例课- Kaggle竞赛案例
文本情感分析案例之如何从影评数据判断用户感受，从词袋到TF-IDF到word2vec，从朴素贝叶斯，SVM到GBDT
看看如何借助神奇的word2vec构建起商品推荐系统
从Word2Vec到FastText的新发展+案例
FastText最新paper解读
FT实战运用
自动聊天机器人项目班-2016年第一阶段 打造传统NLP聊天机器人第1课 聊天机器人的基础模型与综述
行业与业界综述
实战：最简单的Rule-Base聊天机器人第2课 NLP基础及扫盲
NLP基本算法
实战：经典NLP问题与解法第3课 用基础机器学习方法制作聊天机器人
神经网络与基础
说学逗唱的基础机器人
第二阶段 打造深度学习聊天机器人第4课 深度学习基础及扫盲
深度学习基础算法
实战：经典深度学习问题与解法第5课 深度学习聊天机器人原理
seq2seq生成模型
user modeling 与 reinforcement learning模型第6课 用深度学习方法制作聊天机器人
制作Seq2Seq聊天机器人第7课 图像与文本的完美结合：看图回答VQA
深度学习图片处理基础
第三阶段 打造可用的聊天机器人平台第8课 简单易用的聊天机器人开发平台与展望
简介Wit.ai, BotFramework等等框架
实战：打造真实场景中的deploy聊天机器人
自然语言处理班 [16年TOP10之一]-2016年1.NLP基础技能1.1 NLP背景、意义与常见问题1.2 基本文本处理技能中英文字符串处理工具分词基本统计正则表达式1.3 案例：文本数据清洗、提取、分词与统计
2.从语言模型到朴素贝叶斯2.1 语言模型与计算2.2 朴素贝叶斯2.3 案例：文本情感分析案例与新闻分类
3.LDA主题模型3.1 pLSA、共轭先验分布3.2 LDA3.3 案例：使用LDA进行文档分类
4.基于统计的翻译系统4.1语言模型与翻译模型4.2对齐模型4.3案例：基于统计的翻译系统搭建
5.隐马尔科夫模型及其应用5.1 隐马尔科夫模型5.2 案例：用隐马尔科夫模型完成基因序点识别
6.深度学习与NLP简单应用6.1 循环神经网络6.2 BPTT算法6.3 案例：模仿小四与李白写作的生成模型
7.词向量表示与文本分类7.1 从one-hot到word2vec7.2 案例：借助词向量的机器学习/深度学习文本分类
8.条件随机场与应用8.1 最大熵与词性标注8.2 条件随机场8.3 案例：基于条件随机场的NBA比赛结果分析
10 Kaggle课程kaggle案例实战班 [数据科学家的首选课程]-2016年100%纯实战、每次课都是实际案例，8次课则八大案例，让你过够瘾
第一课 机器学习解决问题综述课（寒）
1.数据比赛与特征工程/模型调优流程与sklearn、xgboost工具
泰坦尼克号之灾(分类)
自行车租赁量预测(回归)第二课 经济金融相关问题 （加）
房价预测：来看看哪些因素会怎么样影响房价与房子出售
伦敦的科学家怎么从新闻预测股市的变化？
第三课 CTR预估相关问题 （寒）
来自电商的多次点击率预估比赛
从LR/GBDT/RF 到FM与FFM进行CTR预估第四课 自然语言处理与文本分类 （加）
KDD2013比赛：判定文章作者
影评数据怎么做情感分析？
第五课 能源/资源相关问题 （寒）1 综合能源案例2 从开放数据采集、清洗、特征工程到建模，给电力公司预测电能消耗第六课 深度学习相关比赛 （加）
入门：猫狗分辨
人脸表情识别
第七课 推荐系统相关比赛 （寒）
用户在电商购买团购券概率预测
app推荐系统比赛第八课 金融风控相关比赛 （寒）1 综合比赛案例2 从数据清洗(异常点处理与预处理)、特征工程、特征选择、非均衡样本处理到模型融合，解决风控问题
11 求职、面试、刷题课程基本每次课的前一个半小时介绍算法原理、最后半小时直接切leetcode直播刷题
1.算法初步（奔）-Why？What？How?-复杂度-均摊分析-最大字数组和-队列最大元素-主定理
2.栈 队列 并查集 哈希表 布隆过滤器（奔）-栈和队列基础-人工栈与系统栈-并查集基础-路径压缩-哈希表基础-什么都能查的哈希-布隆过滤器
3.树／堆（应）
二叉树的前中后序遍历
二叉树的序列化和反序列化
表达树构造
最近公共祖先
堆的构造与应用
4.图论（有向图，无向图，拓扑排序，最短路，最小生成树）（奔）-图的定义-拓扑排序-最短路（Floyd，Dijkstra，Bellmanford）-最小生成树
5.递归（应）
用递归打印数字
N皇后问题与扩展
排练组合问题*
递归的优化
6.深度优先 广度优先（奔）-遍历-走迷宫-N皇后问题-状态空间-迭代加深搜索-启发式搜索-二叉树遍历（先中后）
7.贪心（奔）
最小／最大子数组
主元素及其升级版*
8 动态规划（奔）
斐波那契数列计算
数字三角形
网格路径（无障碍／有障碍）
最长上升子序列
正则表达式匹配*
9.高并发／海量数据处理／笔试技巧（应）
并发编程基础知识
Map Reduce简介及常见面试问题
高并发系统设计常见问题
同步变异步
缓存以及数据库优化
面试编程技巧
确认边界条件
先构造测试数据
10.博弈论 概率 数论（奔）-博弈论定义-放围棋游戏-取石子游戏1-概率定义-无穷级数-条件概率-贝叶斯公式和朴素贝叶斯-数轮初步-质因数分解-辗转相除-筛法-Mod运算1.数论（许）掌握定理，问题迎刃而解leetcode数论问题切题实战
2.二分搜索（林）A.二分的精髓：单调+重复B.求最优-&求判定C.倍增法leetcode二分问题切题实战
3.并查集（许）小工具解决大问题leetcode切题实战
4.深度优先（林）A.N种算法的基础，重中之重B.框架C.剪枝leetcode切题实战
5.图论算法（许）解决几种常见的图上应用，了解理论，掌握套路leetcode切题实战
6.动态规划（林）A.如何解决从没做过的动归题B.暴力C.去冗余D.改非递归leetcode切题实战
更多教程教程不断整理更新中，以上截图仅供参考，如需了解更多视频教程的详细信息请到如下地址查看：
------ 本文结束 ------
扫一扫，用手机访问本站
点击下方“赏”可选择 微信/支付宝 进行打赏！感谢您的支持和厚爱！么么哒~！！！
支付宝打赏