1. 入门基础篇-铺垫

1. 机器学习怎么从入门到不放弃！
2. 重磅 | 完备的 AI 学习路线，最详细的资源整理！
3. 如何从零开始构建深度学习项目？这里有一份详细的教程
4. 10个例子带你了解机器学习中的线性代数
5. 如何简单形象又有趣地讲解神经网络是什么？
6. AI新人必看 | 参数和超参数还分不清楚吗
7. 机器学习应用实践难？看完这十大诀窍瞬间懂了！

0.0 数学基础

1. 【干货】深度学习中的线性代数---简明教程
2. 一文让你通俗理解奇异值分解
3. 机器学习中的数学基础（微积分和概率统计）
4. 什么是B树？
5. 介绍两个面试神器
6. 红黑树的五个性质
7. 知道什么是B树，那你知道什么是R树吗？

0.1 异常检测

1. 异常检测的阈值，你怎么选

1.0 机器学习经典原理

1. 最大熵模型原理小结
2. 收藏 | 数据分析师最常用的10个机器学习算法！

1.1 梯度下降

1. 这样的梯度下降教程，你应该能get！
2. 通过代码原理教你搞懂SGD随机梯度下降、BGD、MBGD
3. 几种梯度下降方法对比

1.2 优化算法

1. 详解深度学习中的常用优化算法
2. 真正的完全图解Seq2Seq Attention模型

1.3 激活函数

1. 一种新的思路通俗理解激活函数

2.卷积神经网络

1. 卷积神经网络的直观指南
2. AI芯片之卷积神经网络原理

3.循环神经网络（RNN）

1. 一文简述循环神经网络（RNN）基础版

受限玻尔兹曼机

1. 一起读懂传说中的经典：受限玻尔兹曼机

1. L2正则化

1. L2正则化视角下的对抗样本

损失函数

1. 通俗聊聊损失函数中的均方误差以及平方误差