重要的机器学习方法

VM支持向量机

SVM支持向量机

聚类——算法原理与代码实战

聚类算法与代码实践

聚类算法和数据集

降维——原理与代码实战

PCA主成分分析法

深度学习-原理与代码实现

Tips

尽管现有的多种技术都已经有很好用的开源代码，但我认为有些经典的结构非常有必要自己从底层完全实现一遍，这样才能真正理解每个模型的意义。因此本栏目强调从“0”开始构建。但像MLP、卷积层这样的底层架构我们不会再自己手动写，而是直接使用pytorch的功能，但详细原理和实现可以参考本人写的MiniTorch项目学习全攻略。

深度学习与源码实现

自己实现一个Transformer

全连接神经网络实战——pytorch版

代码-全连接神经网络实战——pytorch版

卷积神经网络实战——pytorch版

代码-卷积神经网络实战——pytorch版

可解释的神经网络实战——pytorch版

代码-可解释的神经网络实战——pytorch版

无监督学习与AutoEncoder实战——pytorch版

代码-无监督学习与AutoEncoder实战——pytorch版

循环神经网络实战——pytorch版

代码-循环神经网络实战——pytorch版

深度学习框架设计

MiniTorch-学习全攻略

源码_Project-finished

零散的知识

多参数的链式法则

反向传播BackPropagation详细推导教程