#######Private study files#######
#######本仓库为个人学习用#######
机器学习学习组安排
- 机器学习概述
（第一周） 监督学习、非监督学习、强化学习 分类问题、回归问题、聚类问题 正则化、泛化 生成模型和判别模型
- 监督学习
（第二周） 朴素贝叶斯(统计学派和贝叶斯学派)、决策树 (随机森林和gbdt)
（第三周） 线性代数与与机器学习的关系 线性方程组求解 矩阵求逆
（第四周） 逻辑归回、优化算法（梯度下降和拟牛顿法）、提升方法
- 非监督学习、降纬问题和概率图模型
（第五周） 矩阵的秩 特征值和特征向量 SVD，推荐中的矩阵分解、主成分分析
（第六周） EM、混合高斯、Kmeans LDA
（第七周） 对角阵和正交 xgboost
- 概率图模型和自然语言处理
（第八周） HMM、条件随机场及其自然语言处理中的应用
- 深度学习
（第九周） 神经网络的基本概念 Fully connected layer Cost function and activation function Convolutional and pooling
（第十周） Recurrent structure LSTM GRU
（第十一周） word embedding BERT
（第十二周） Attention-based Model Generative Adversarial Network
（第十三周） Proximal Policy Optimization Q-Learning