【总目录】人工智能、机器学习、深度学习总结大全----目录.未完待续...

文章目录

@[toc]
一、Python
二、爬虫
三、Mysql
四、MongoDB
五、Numpy
六、Scipy
七、Pandas
八、其他常用工具
九、可视化工具Matplotlib
十、数理统计（原理）
十一、机器学习之原理及算法
十二、人工智能之面试问题总结（不定期更新）
十三、大数据熟悉之原理
十四、深度学习
十五、专题：自然语言处理
十六、深度学习番外篇-工程化

要想看更多信息，请访问我的主页呦
人工智能论文合集
人工智能论文合集（18年11月）

一、Python

Python只是一个用来处理数据的工具，哪里不会，直接点击第三点链接，内容齐全
1、官网
2、下载地址
3、教程地址
4、Python文件操作大全
5、Pycharm永久激活方法

二、爬虫

1、爬虫--------基础语法及案例（py2环境）
2、爬虫--------基础语法及案例（py3环境）
~~~~~~~~~~          ●requests的用法
~~~~~~~~~~          ●爬取51job职位
~~~~~~~~~~          ●天猫链接爬取
~~~~~~~~~~          ●获取豆瓣电影的排行
~~~~~~~~~~          ●获取代理IP
~~~~~~~~~~          ●抓取图片
~~~~~~~~~~          ●正则表达式及例题
~~~~~~~~~~          ●中文转码处理
~~~~~~~~~~          ●BeautifulSoup
~~~~~~~~~~          ●部分头部信息
3、爬虫----网易云音乐Top250的数据歌词信息的连续爬取
4、Scrapy----安装及基础案例
~~~~~~~~~~          ●基础流程
~~~~~~~~~~          ●梦幻西游链接
~~~~~~~~~~          ●豆瓣信息
5、Scrapy+Selenium—进阶用法+高级
6、十大经典排序算法—Python写法

三、Mysql

1、Mysql--------安装和调试
2、Mysql--------基础语句及练习
3、Mysql--------mysql\mongoDB在python应用试题及解析
4、Mysql--------Mysql打包及写入数据,读取及保存至xls文档中

四、MongoDB

1、MongoDB--------安装
~~~~~~~~~~          ●安装教程
2、MongoDB--------基础语句及格式
~~~~~~~~~~          ●数据指令
~~~~~~~~~~          ●python和mongoDB运用
~~~~~~~~~~          ●mongoDB连接多个
3、MongoDB--------练习及应用

五、Numpy

1、Numpy--------基础知识1
2、Numpy--------基础知识2
3、Numpy--------进阶知识1
~~~~~~~~~~ ●索引切片，转换，组合
4、Numpy--------进阶知识2
~~~~~~~~~~ ●读写，各个数学数值的计算，利率
5、Numpy--------矩阵运算及线性代数应用

六、Scipy

1、Scipy--------基础+进阶语法
2、Scipy--------高级知识及事例
~~~~~~~~~~ ●股价预测，电影票房，图像，声音处理

七、Pandas

1、Pandas--------基础+进阶
2、Pandas--------高级篇
~~~~~~~~~~ ●数据规整化，聚合与分组
3、Pandas--------5道小练习

八、其他常用工具

1、Jupyter notebook--------转化为网页的方法
2、Jupyter notebook——–插入图片的几种方法
3、Markdown--------常用格式

九、可视化工具Matplotlib

1、Matploylib--------入门+基础
2、Matploylib--------进阶篇
~~~~~~~~~~ ●重构
3、Matploylib--------Matplotlib+Pandas高级篇及应用
4、Matploylib--------Matplotlib+Pandas小练习
5、Matploylib--------Matplotlib+Pyecharts 高级篇及应用

十、数理统计（原理）

1、数学必知必会--------向量
~~~~~~~~~~          ●向量定义
~~~~~~~~~~          ●向量的投影
~~~~~~~~~~          ●向量的点积与内积
~~~~~~~~~~          ● cos相似度与pearson相似度
~~~~~~~~~~          ● 向量的线性相关性
2、数学必知必会--------矩阵积线性变换
~~~~~~~~~~          ●矩阵算法
~~~~~~~~~~          ●矩阵的线性变换
~~~~~~~~~~~~~~~~~~~~                    ●伸缩
~~~~~~~~~~~~~~~~~~~~                    ●旋转
~~~~~~~~~~          ●svd奇异值分解
~~~~~~~~~~          ●svd奇异值去噪/降维
3、数学必知必会--------导数、积分、均方误差、梯度
~~~~~~~~~~          ●导数
~~~~~~~~~~          ●偏导数
~~~~~~~~~~~~~~~~~~~~                    ●定积分
~~~~~~~~~~~~~~~~~~~~                    ●不定积分
~~~~~~~~~~          ●梯度（简单介绍）
~~~~~~~~~~          ●下降法
~~~~~~~~~~~~~~~~~~~~                    ●monmentum
~~~~~~~~~~~~~~~~~~~~                    ●Nesrerov
4、数学必知必会--------极限和连续函数
~~~~~~~~~~          ●运算规则
~~~~~~~~~~          ●洛必达法则
~~~~~~~~~~          ●连续函数
5、数学必知必会--------无穷级数
~~~~~~~~~~          ●幂级数
~~~~~~~~~~          ●泰勒级数
~~~~~~~~~~          ● 傅里叶级数
6、数学必知必会--------概率及各类图形

十一、机器学习之原理及算法

十二、人工智能之面试问题总结（不定期更新）

1、~~  机器学习--------面试常用知识点-1
~~~~~~~~~~          ●凸优化，梯度下降，牛顿法，拟牛顿法，共轭梯度法
2、~~  机器学习--------面试常用知识点-2
~~~~~~~~~~          ●梯度消失与梯度膨胀，以及6种解决措施
3、~~
深度学习--------42个机器学习与深度常用面试题简结

十三、大数据熟悉之原理

1、~~  大数据--------数据分析及Ptyhon实现(Hadoop)
2、~~  大数据--------Hive集成Python分析
~~~~~~~~~~          ●HIVE用法和SQL语法，时间戳转换
3、~~  大数据--------Spark中的决策树及 SVM 建模
 4、~~  大数据--------Spark中决策树模型Pipeline的建立和两种验证方法(完整版)

十四、深度学习

十五、专题：自然语言处理

十六、深度学习番外篇-工程化

1、~~~~ 工程化模型：使用TensorRT-在Linux下的加速推理，从环境安装到训练部署全套流程
 2、~~~~ 使用Kivy打包python文件成apk