本文是机器学习实战：基于Scikit-Learn\Keras和TensorFlow的读书笔记。

• 第一章 机器学习的基础知识：
  • 什么是机器学习：
  • 为什么使用机器学习：
  • 示例：
  • 机器学习系统的类型：
  • 机器学习主要挑战：
• 第二章 端到端的机器学习项目：

Read More

作者闲的没事瞎写的。

教材标准：复变函数与拉普拉斯变换

• 浅谈思路：
• 第一章 复数的预备知识：
• 第二章 解析函数：
  • 一个很有启发性的习题：
• 第三章 复变函数积分：
• 第四章 泰勒级数和洛朗级数：
  • 一些名称：
• 第五章 留数定理：
  • 应用：
  • 总的感受：

Read More

本文是深度学习入门-基于python的理论与实现这本书的读书笔记。

• 基础python知识：
• 感知机(perceptron)：
  • 一些简单的例子(逻辑门)：
  • 一般形式：
  • 一个反例：
• 神经网络：
  • 一个例子：
  • 激活函数：
  • 使用矩阵来实现神经网络：
  • 最终实现：
  • 对输出层的设计：
  • 手写数字识别:
• 神经网络的学习:
  • 从数据中学习：
  • 损失函数：
  • 数值微分：
  • 梯度：
  • 神经网络的梯度：
• 误差反向传播法：
  • 对矩阵求偏导的分析：
• 数学方法一览
  • 优化方法：
  • 权重的初始值：
  • batch-normalization:
  • 解决过拟合：
  • 超参数的调整：
• 卷积神经网络：
  • 整体结构：
  • 卷积层：
  • 池化层：
  • 实现：
• 深度学习：
  • 历史：
  • 其他：
• end:

Read More

对官方文档的学习。

• 初识requests:

Read More