机器学习
1.机器学习实战(1) k-近邻算法(kNN)和决策树
2.机器学习实战(2) 基于概率论的分类方法：朴素贝叶斯 python3
3.机器学习实战(3) Logistic回归 逻辑回归 基于python3
4.待更新
5.机器学习实战(5) AdaBoost元算法 基于python3
6.机器学习实战(6) 预测数值型数据：回归
7.机器学习实战(7) 树回归
8.机器学习实战(8) 利用K-means聚类算法对未标注数据分组
9.机器学习实战(9) 使用Apriori算法进行关联分析
10.机器学习实战(10) FP-growth 基于python3
11.待更新
12.机器学习实战(12) 利用SVD简化数据 基于python3
深度学习
深度学习入门（一）感知机与激活函数
深度学习（二）损失函数与梯度
深度学习入门（三）构建简单的两层神经网络
深度学习入门（四）梯度更新算法的选择(附执行代码)
吴恩达课程学习笔记–第二课第一周：深度学习的实践层面
第二课第三周待更新
吴恩达深度学习 第三门课 结构化机器学习项目（笔记）
吴恩达深度学习 第三门课 残差网络 谷歌Inception模型 迁移学习
吴恩达深度学习 第三门课 第三周 目标检测
吴恩达深度学习 第四课 第四周 人脸识别和神经风格转换
吴恩达深度学习 第五门课 第一周 序列模型（sequence models）
吴恩达深度学习 第五课 第二周 自然语言处理与词嵌入
吴恩达深度学习 第五课 第三周 序列模型和注意力机制
深度学习练习题
吴恩达深度学习课后练习 Trigger word detection
未完待续…