人工智能技术文章list

理论基础部分：

人工智能基数算法简介

人工智能基础算法简介2

人工智能基础算法总结

TensorFlow 入门

TensorFlow 理解

Softmax regression 理解

深入理解决策树算法

深入理解朴素贝叶斯

深入SVM

SVM 大边界数据推理

CNN

RNN

LSTM

feature scaling

feature selection

Clustering(k means)

Outlier

linear regression

文本和序列的深度模型

cross_validation

机器学习性能评估

机器学习项目四大组件

WORD2VEC

机器学习入门教程（谷歌）

文本学习

怎样选择机器学习算法

梯度消失与梯度爆炸

k nearest neighbours

adaboost

random forest

inception module

self-driving（Localization）

Kalman Filters（ self-driving）

深度神经网络

学习率选择

交叉熵（cross_entry）

overfit

加速NN Training

Optimizer 种类

处理不均衡数据

强化学习

强化学习 Q Learning

强化学习 Sarsa

NN BP 推导

人工智能数学基础

CS224d(中文笔记+视频)

Regularization paramters(正则化参数)

为什么逻辑分类与线性分类使用不同的loss

梯度下降和正规方程求loss最小比较

K means clustering visualize

机器学习中的问题

神经网络选择

CNN 搭建层数选择经验

CNN output维度k的影响因素

学习率的经验值选择

Weights and Bias initial

神经网络规模选择

各种激活函数的优缺点 

OCR技术

推荐系统中的协同滤波

异常检测误差分析

用异常检测还是监督学习构建异常检测系统对比

映射化简和数据并行

训练神经网络步骤

NLP 平滑技术 

NLP N-gram

似然函数

垃圾邮件检测深入分析

多分类的评价

NLP 拼写错误分析

NLP 编辑距离

编程部分

tensorflow 参考视频教程

sklearn 参考视频教程

theano 参考视频教程

keras 参考视频教程

matplotlib 参考视频教程

tflearn

python 参考视频教程

数据集部分

应用部分

AI的威力，Computer Vision 图片检索和推荐

对话“神经网络教父”杰夫·辛顿