計劃最近好好按步驟按階段系統性的學習下機器學習和深度學習，希望能堅持下去。

課程學習

• 斯坦福李飛飛視覺識別學習筆記 —— 2 影象分類
• 斯坦福李飛飛視覺識別學習筆記 —— 3 損失函式和優化
• 斯坦福李飛飛視覺識別學習筆記 —— 4 介紹神經網路
• 斯坦福李飛飛視覺識別學習筆記 —— 5 卷積神經網路
• 斯坦福李飛飛視覺識別學習筆記 —— 6 訓練神經網路（上）
• 斯坦福李飛飛視覺識別學習筆記 —— 7 訓練神經網路（下）
• 斯坦福李飛飛視覺識別學習筆記 —— 8 深度學習軟體
• 斯坦福李飛飛視覺識別學習筆記 —— 9 CNN架構
• 斯坦福李飛飛視覺識別學習筆記 —— 10 迴圈神經網路
• 斯坦福李飛飛視覺識別學習筆記 —— 11 影象識別和分割
• 斯坦福李飛飛視覺識別學習筆記 —— 12 視覺化和理解卷積神經網路
• 斯坦福李飛飛視覺識別學習筆記 —— 13 生成模型
• 斯坦福李飛飛視覺識別學習筆記 —— 14 深度增強學習
• 斯坦福李飛飛視覺識別學習筆記 —— 15 特邀講座：Song Han
• 斯坦福李飛飛視覺識別學習筆記 —— 16 特邀講座：Ian Goodfellow

基礎數學篇

• [高等數學：求導、梯度]
• [高等數學：泰勒展開]
• [概率論：基本概念、條件概率、全概率、樸素貝葉斯]
• [概率論：期望、方差、協方差]
• [概率論：常見分佈]
• [線性代數：矩陣]

機器學習中的基本概念

• [機器學習的分類]
• [訓練集與測試集、樣本的平衡選擇]
• [正則化]

機器學習常用演算法

• [線性迴歸]
• [樸素貝葉斯]
• [決策樹]
• [K均值]
• [邏輯迴歸]
• [SVM支援向量機]
• [K近鄰]
• [頻繁項集挖掘]
• [AdaBoost與GBDT]

機器學習的應用

• [推薦系統]
• [點選率預估]
• [商品分類]
• [使用者聚類]

深度學習中的基本概念

• [卷積層]
• [池化層]
• [抓爆層]
• [全連線層]

深度學習常用演算法

• [多層感知機]
• [迴圈神經網路]
• [卷積神經網路]
• [長短記憶網路]

常用模型介紹

• ResNet

論文導讀

深度學習的應用

影象基礎

• 影象的主要用途：分類、目標檢測、影象分割、影象描述、影象生成
• 相關的元件：OpenCV、Tensorflow、Keras
• 影象的預處理：平滑與去噪——高斯濾波、中值濾波、曲率驅動濾波
• 影象的預處理：影象銳化
• 影象的預處理：邊緣檢測運算元——Sobel、canny、拉普拉斯
• 影象的預處理：形態學處理——腐蝕、膨脹、開閉運算、top-hat變換
• 影象的預處理：頻域分析變換——卷積計算、傅立葉變換、小波變換
• 影象特徵提取：顏色特徵——RBG、HSV、Lab
• 影象特徵提取：幾何特徵——Edge、Corner、Blob
• 影象特徵提取：紋理特徵——HOG、LBP、Gabor濾波
• 影象特徵提取：區域性特徵——SIFT、SURF、ORB、FAST
• 應用：基於灰度的影象分割
• 應用：人臉檢測的Haar-like特徵
• 行人檢測的多尺度變形部件
• 目標檢測：R-CNN、Fast/Faster R-CNN、YOLO、
• 影象分割：FCN、反捲積、DeepLab-DCNN、連線CRF
• 影象生成：GAN、DCGAN

學習資料