1- 人工智能通识
通识 | 三起两落：人工智能的螺旋式发展历程
https://mp.weixin.qq.com/s/Oxx5i3dMcg7wkdQVS2fR8Q
工具 | AI常用编程工具介绍与安装：Anaconda、Python、Jupyter、PyCharm、PyTorch、TensorFlow
https://mp.weixin.qq.com/s/oTcZRHUKvG9Bml0Z5bS0mw
2- 机器学习基础
2.1 线性回归
2.2 逻辑回归
2.3 贝叶斯与EM
案例 | 做对贝叶斯这道题并不难
https://mp.weixin.qq.com/s/k9ri0Qbw98KAbS06vshS_Q
2.4 支持向量机
2.5 KNN与K-means
解析 | k-means与k-NN的区别对比
https://mp.weixin.qq.com/s/ffmvs5a3Bdj9_ZKH_Fcvhw
2.6 PCA与LDA
2.7 决策树、随机森林、集成学习
解析 | 超详细决策树算法解析—ID3、C4.5、CART
https://mp.weixin.qq.com/s/Pgvxt4_P-6maCi9o6Fp9fA
解析 | 最常用的决策树算法！Random Forest、Adaboost、GBDT
https://mp.weixin.qq.com/s/Ldjl2EozxW2pRH8F4N9H6Q
概述 | 竞赛大杀器：树模型与集成学习
https://mp.weixin.qq.com/s/d85sPxgQ3yW8xWveROhlrw
原理 | XGBoost详解
https://mp.weixin.qq.com/s/38RZ4T3mkX1wKXugw7MoHg
解析 | XGBoost 和 LightGBM ，项目中最主流的集成算法！
https://mp.weixin.qq.com/s/5HAwL6He9x7t_QwqK34t2w
实战 | 机器学习树模型利器XGBoost实战图解
https://mp.weixin.qq.com/s/HWnIHrnmdqinNJWjjSjLvA
3- 深度学习基础
3.1 神经网络基础
动手 | 从头开始实现一个神经网络
https://mp.weixin.qq.com/s/lk12kP2fbuSBSV5lSFKTlA
3.2 卷积神经网络
3.3 循环神经网络
解析 | LSTM内部结构-我彻底明白了
https://mp.weixin.qq.com/s/ZEkNSqMdXYnSJw_XTBW8Tg
4- 深度学习进阶
概述 | 从Sigmoid到GELU，一文概览神经网络激活函数
https://mp.weixin.qq.com/s/4bxgnewiBPuChLb1tLizGA
解析 | 深度学习优化入门：Momentum、RMSProp 和 Adam
https://mp.weixin.qq.com/s/HpSNVmVyGK70hDNlMWDlSw
解析 | 生成对抗网络原理与实战
https://mp.weixin.qq.com/s/NXZPQkpuK_11Ptbb193_GA
概述 | 关于Attention的总结
https://mp.weixin.qq.com/s/t9wjiUnmxUL49AAuhxYjBg
解析 | 通俗易懂详解注意力机制(Attention)
https://mp.weixin.qq.com/s/hfz726Rk-0KsmfOr6DtbVg