1.0

README.md

@@ -12,6 +12,7 @@
 + [v0.1](v0.1/)
 + [v0.2](v0.2/)
 + [AI 联盟 2019.4](ai-union-201904/)
++ [v1.0](v1.0/)
 
 ## 赞助我们
 

v1.0/README.md

+# ApacheCN 人工智能知识树
+
+>   版本：v1.0
+
+## 统计机器学习
+
+### 基础知识
+
++   [AILearning 第1章_基础知识](https://github.com/apachecn/AiLearning/blob/master/docs/ml/1.机器学习基础.md)
++   [CS229 中文笔记 一、引言](http://ai-start.com/ml2014/html/week1.html)
++   [机器学习基石 1 -- The Learning Problem](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/2.md)
++   [机器学习基石 2 -- Learning to Answer Yes/No](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/3.md)
++   [机器学习基石 3 -- Types of Learning](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/4.md)
++   [机器学习基石 4 -- Feasibility of Learning](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/5.md)
++   [机器学习基石 5 -- Training versus Testing](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/6.md)
++   [机器学习基石 6 -- Theory of Generalization](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/7.md)
++   [机器学习基石 7 -- The VC Dimension](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/8.md)
++   [机器学习基石 8 -- Noise and Error](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/9.md)
++   [机器学习基石 16 -- Three Learning Principles](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/17.md)
+
+### 线性回归/逻辑回归/softmax 回归
+
++   [AILearning 第5章_逻辑回归](https://github.com/apachecn/AiLearning/blob/master/docs/ml/5.Logistic回归.md)
++   [AILearning 第8章_回归](https://github.com/apachecn/AiLearning/blob/master/docs/ml/8.回归.md)
++   [CS229 中文笔记 二、单变量线性归](http://ai-start.com/ml2014/html/week1.html)
++   [CS229 中文笔记 四、多变量线性回归](http://ai-start.com/ml2014/html/week2.html)
++   [CS229 中文笔记 六、逻辑回归](http://ai-start.com/ml2014/html/week2.html)
++   [CS229 中文笔记 七、正则化](http://ai-start.com/ml2014/html/week2.html)
++   [DLAI 深度学习笔记 第一门课 第二周：神经网络的编程基础](http://ai-start.com/dl2017/html/lesson1-week2.html)
++   [机器学习基石 9 -- Linear Regression](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/10.md)
++   [机器学习基石 10 -- Logistic Regression](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/11.md)
++   [机器学习基石 11 -- Linear Models for Classification](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/12.md)
+-   [机器学习基石 12 -- Nonlinear Transformation](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/13.md)
++   [机器学习技法 5 -- Kernel Logistic Regression](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/23.md)
++   [Scikit-learn 秘籍 第二章 处理线性模型](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/2.md)
++   [Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/4.md)
+
+### 决策树/随机森林
+
++   [AILearning 第3章_决策树算法](https://github.com/apachecn/AiLearning/blob/master/docs/ml/3.决策树.md)
++   [AILearning 第9章_树回归](https://github.com/apachecn/AiLearning/blob/master/docs/ml/9.树回归.md)
++   [机器学习技法 9 -- Decision Tree](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/27.md)
++   [机器学习技法 10 -- Random Forest](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/28.md)
++   [Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/4.md)
+
+### GDBT/XGBoost
+
++   [机器学习技法 11 -- Gradient Boosted Decision Tree](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/29.md)
+
+### 朴素贝叶斯
+
++   [AILearning 第4章_朴素贝叶斯](https://github.com/apachecn/AiLearning/blob/master/docs/ml/4.朴素贝叶斯.md)
++   [Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/4.md)
+
+### 支持向量机
+
++   [AILearning 第6章_支持向量机](https://github.com/apachecn/AiLearning/blob/master/docs/ml/6.支持向量机.md)
++   [AILearning 支持向量机的几个通俗理解](https://github.com/apachecn/AiLearning/blob/master/docs/ml/6.1.支持向量机的几个通俗理解.md)
++   [CS229 中文笔记 十二、支持向量机](http://ai-start.com/ml2014/html/week7.html)
++   [机器学习技法 1 -- Linear Support Vector Machine](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/19.md)
++   [机器学习技法 2 -- Dual Support Vector Machine](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/20.md)
++   [机器学习技法 3 -- Kernel Support Vector Machine](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/21.md)
++   [机器学习技法 4 -- Soft-Margin Support Vector Machine](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/22.md)
++   [机器学习技法 6 -- Support Vector Regression](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/24.md)
++   [Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/4.md)
+
+### K 近邻
+
++   [AILearning 第2章_K近邻算法](https://github.com/apachecn/AiLearning/blob/master/docs/ml/2.k-近邻算法.md)
++   [Scikit-learn 秘籍 第三章 使用距离向量构建模型](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/3.md)
+
+
+### KMeans
+
++   [AILearning 第10章_KMeans聚类](https://github.com/apachecn/AiLearning/blob/master/docs/ml/10.k-means聚类.md)
++   [CS229 中文笔记 十三、聚类](http://ai-start.com/ml2014/html/week8.html)
++   [Scikit-learn 秘籍 第三章 使用距离向量构建模型](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/3.md)
+
+### 高斯混合
+
++   [Scikit-learn 秘籍 第三章 使用距离向量构建模型](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/3.md)
+
+### 集成学习
+
++   [机器学习技法 7 -- Blending and Bagging](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/25.md)
+
+### AdaBoost
+
++   [AILearning 第7章_集成方法](https://github.com/apachecn/AiLearning/blob/master/docs/ml/7.集成方法-随机森林和AdaBoost.md)
++   [机器学习技法 8 -- Adaptive Boosting](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/26.md)
+
+### PCA
+
++   [AILearning 第13章_PCA降维](https://github.com/apachecn/AiLearning/blob/master/docs/ml/13.利用PCA来简化数据.md)
++   [AILearning 第14章_SVD简化数据](https://github.com/apachecn/AiLearning/blob/master/docs/ml/14.利用SVD简化数据.md)
++   [CS229 中文笔记 十四、降维](http://ai-start.com/ml2014/html/week8.html)
+
+### LDA
+
++   [Scikit-learn 秘籍 第四章 使用 scikit-learn 对数据分类](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/4.md)
+
+### 异常检测
+
++   [CS229 中文笔记 十五、异常检测](http://ai-start.com/ml2014/html/week9.html)
+
+### Apriori/FP-growth
+
++   [AILearning 第11章_Apriori算法](https://github.com/apachecn/AiLearning/blob/master/docs/ml/11.使用Apriori算法进行关联分析.md)
++   [AILearning 第12章_FP-growth算法](https://github.com/apachecn/AiLearning/blob/master/docs/ml/12.使用FP-growth算法来高效发现频繁项集.md)
+
+## 深度学习
+
+### 基础知识
+
++   [DLAI 深度学习笔记 第一门课 第一周：深度学习引言](http://ai-start.com/dl2017/html/lesson1-week1.html)
+
+### MLP
+
++   [CS229 中文笔记 八、神经网络：表述](http://ai-start.com/ml2014/html/week4.html)
++   [CS229 中文笔记 九、神经网络的学习](http://ai-start.com/ml2014/html/week5.html)
++   [DLAI 深度学习笔记 第一门课 第三周：浅层神经网络](http://ai-start.com/dl2017/html/lesson1-week3.html)
++   [DLAI 深度学习笔记 第一门课 第四周：深层神经网络](http://ai-start.com/dl2017/html/lesson1-week4.html)
++   [机器学习技法 12 -- Neural Network](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/30.md)
++   [机器学习技法 13 -- Deep Learning](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/31.md)
++   [机器学习技法 14 -- Radial Basis Function Network](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/32.md)
+
+### CNN
+
++   [DLAI 深度学习笔记 第四门课 第一周 卷积神经网络](http://ai-start.com/dl2017/html/lesson4-week1.html)
++   [DLAI 深度学习笔记 第四门课 第二周 深度卷积网络：实例探究](http://ai-start.com/dl2017/html/lesson4-week2.html)
+
+### RNN
+
++   [DLAI 深度学习笔记 第五门课 第一周 循环序列模型](http://ai-start.com/dl2017/html/lesson5-week1.html)
++   [DLAI 深度学习笔记 第五门课 第三周 序列模型和注意力机制](http://ai-start.com/dl2017/html/lesson5-week3.html)
+
+## 机器视觉
+
++   [CS229 中文笔记 十八、应用实例：图片文字识别](http://ai-start.com/ml2014/html/week10.html)
++   [DLAI 深度学习笔记 第四门课 第三周 目标检测](http://ai-start.com/dl2017/html/lesson4-week3.html)
++   [DLAI 深度学习笔记 第四门课 第四周 特殊应用：人脸识别和神经风格转换](http://ai-start.com/dl2017/html/lesson4-week4.html)
+
+## 自然语言处理
+
++   [DLAI 深度学习笔记 第五门课 第二周 自然语言处理与词嵌入](http://ai-start.com/dl2017/html/lesson5-week2.html)
+
+
+## 强化学习
+
+## 推荐系统
+
++   [AILearning 第16章_推荐系统](https://github.com/apachecn/AiLearning/blob/master/docs/ml/16.推荐系统.md)
++   [CS229 中文笔记 十六、推荐系统](http://ai-start.com/ml2014/html/week9.html)
++   [机器学习技法 15 -- Matrix Factorization](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/33.md)
+
+## 预处理/特征工程
+
++   [Scikit-learn 秘籍 第一章 模型预处理](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/1.md)
+
+## 模型评估/模型调优
+
++   [CS229 中文笔记 十、应用机器学习的建议](http://ai-start.com/ml2014/html/week6.html)
++   [CS229 中文笔记 十一、机器学习系统的设计](http://ai-start.com/ml2014/html/week6.html)
++   [DLAI 深度学习笔记 第二门课 第一周：深度学习的实用层面](http://ai-start.com/dl2017/html/lesson2-week1.html)
++   [DLAI 深度学习笔记 第二门课 第三周超参数调试，batch正则化和程序框架](http://ai-start.com/dl2017/html/lesson2-week3.html)
++   [DLAI 深度学习笔记 第三门课 第一周：机器学习策略（1）](http://ai-start.com/dl2017/html/lesson3-week1.html)
++   [DLAI 深度学习笔记 第三门课 第二周：机器学习策略（2）](http://ai-start.com/dl2017/html/lesson3-week2.html)
++   [机器学习基石 13 -- Hazard of Overfitting](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/14.md)
++   [机器学习基石 14 -- Regularization](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/15.md)
++   [机器学习基石 15 -- Validation](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/16.md)
++   [Scikit-learn 秘籍 第二章 处理线性模型](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/2.md)
++   [Scikit-learn 秘籍 第五章 模型后处理](https://github.com/apachecn/sklearn-cookbook-zh/blob/master/5.md)
+
+
+## 最优化
+
+### 梯度下降
+
++   [CS229 中文笔记 十七、大规模机器学习](http://ai-start.com/ml2014/html/week10.html)
++   [DLAI 深度学习笔记 第一门课 第二周：优化算法](http://ai-start.com/dl2017/html/lesson2-week2.html)
+
+## 其它
+
++   [机器学习技法 16（完结） -- Finale](https://github.com/apachecn/ntu-hsuantienlin-ml/blob/master/34.md)
++   [CS229 中文笔记 十九、总结](http://ai-start.com/ml2014/html/week10.html)
+