花书训练营，9周带你深度掌握机器算法。配套资料+答疑+总结+ppt文件，从基础到进阶。让你面试找工作更加从容。设计了梯度式的教学计划，以理论+实战为主，包含三个部分，第1部分学习基本的数学工具和机器学习的概念，作为深度学习的预备知识；第2部分系统深入地讲解“花书”中涉及现今已成熟的深度学习方法和技术；第3部分带打全球顶级Kaggle比赛，增强实战能力和对书本的理解。本套课程文件总计5.08G

课程目录

• 00【学前准备】开营仪式，认识群内的小伙伴
• 看开营仪式，了解学习模式 .docx
• 深度输出活动 .docx
• 01 第一周线性代数
• PCA
• 矩阵对角化以及SVD分解
• 伪逆矩阵最小二乘
• 资料下载 .doc
• 02 第一周：概率与信息伦，数值计算
• 极大似然估计
• 无约束最优化
• 有约束最优化
• 03 第一周：本周学习任务简单总结
• 03 第一周：本周学习任务简单总结 .doc
• 04 第二周 机器学习算法基本概念
• 估计、偏差和方差
• 过拟合欠拟合超参数验证集
• 机器学习算法基本概念 .doc
• 机器学习算法基本概念
• 05 第二周 贝叶斯统计与逻辑回归
• 贝叶斯统计
• 逻辑回归
• 06 第二周：本周学习任务简单总结
• 第二周：本周学习任务简单总结 .docx
• 07 第三周：LDA与SVM算法
• LDA
• SVM
• 08 第三周：随机梯度下降
• 决策树，
• 09 第三周：本周学习任务简单总结
• 08 第三周：本周学习任务简单总结， .doc
• 10 第四周：前馈神经网络损失函数
• 激活函数损失函数，
• 前馈神经网络结构表达能力
• 11 第四周：前馈神经网络架构设计 反向传播、
• 前向后向算法、
• 12 第四周：直播答疑日
• 第四周：直播答疑日
• 13 第四周：本周学习任务简单总结
• 第四周：本周学习任务简单总结 .docx
• 14 第五周：范数惩罚正则化
• 范数惩罚正则化，
• 数据增强bagging dropout
• 15 第五周：深度模型中的优化
• 第五周：深度模型中的优化
• 16 第五周：本周学习任务简单总结
• 总结 .docx
• 17 第五周：直播答疑
• 直播答疑
• 18 第六周：卷积神经网络基础
• cnn前向后向，
• 局部感知权值共享，
• 19 第六周：卷积函数变体
• lenet alexnet，
• vggnet googlenet，
• 20 第六周：本周任务简单总结+直播答疑日
• 答疑
• 第六周：本周学习任务简单总结 .docx
• 21 第七周：RNN概念&前向传播
• RNN概念&前向传播，
• 22 第七周：RNN反向传播与并行计算
• RNN反向传播与并行计算
• 23 第七周：本周学习任务简单总结
• 第七周：本周学习任务简单总结 .docx
• 24 第八周：lstm
• lstm
• 25 第八周：gru
• gru
• 26 第八周：本周任务简单总结+直播答疑日
• 任务总结 .docx
• 直播答疑
• 27 第九周：推理加速、训练加速
• 推理加速，
• 训练加速
• 28 第九周：自适应和gan
• 29 第九周：本周学习任务简单总结
• 第九周：本周学习任务简单总结 .docx
• 花书第二期视频课PPT（完结）
• 第二周和第三周：机器学习基础
• 第九周：实际工作中的一些高级技术2.0
• 第六周：第九章卷积网络2.0，
• 第七、八周：第十章循环神经网络
• 第四周：深度前馈网络，
• 第五周：深度学习中的正则化，
• 第五周深度模型的优化
• 第一周：数学基础(修正版）