《茶桁的 AI 秘籍》核心基础——目录

新专栏《AI秘籍》，你所感兴趣的一切

人工智能Python基础

1. Python的特性和语法

2. 初识Python脚本

3. Python3 运算符

4. Python的流程控制

5. 模块化编程

6. Python的高阶函数

7. Python的内置函数

8. 数据类型 - 字符串详解

9. 数据类型 - 列表详解

10. 数据类型 - 元组详解

11. 数据类型 - 字典

12. 数据类型 - 集合详解

13. Python的文件操作

14. 练习：登录注册系统

15. 系统内置模块

16. 练习：万年历

17. 正则表达式

18. Python中的模块与包

19. 第三方库的管理和虚拟环境

20. 异常处理

21. 面向对象及特性

22. 面向对象 - 高阶

23. 描述符和设计模式

24. 装饰器语法与应用

25. matplotlib

26. NumPy

27. Pandas

28. AI 秘籍 —— Python 篇 PDF 发布

---

人工智能应用数学基础

人工智能数学基础篇 导言

1. 数学导论 - 概述

2. 数学导论 - 微积分基础（导数）

3. 数学导论 - 线性代数基础（矩阵）

4. 数学导论 - 概率-统计基础（随机变量）

5. 数学导论 - 图论（图的概念）

6. 函数

7. 极限

8. 连续

9. 微积分：导数

10. 链式法则

11. 微积分 - 偏导数-方向导数

12. 微积分 - 梯度-积分

13. 牛顿-莱布尼兹公式-泰勒展开

14. 线性代数 - 线性方程组

15. 线性代数 - 克拉默法则

16. 线性代数 - 矩阵的性质

17. 线性代数 - 矩阵的逆

18. 线性代数 - 线性变换

19. 线性代数 - 几何概型

20. 概率与统计 - 概型、概率和随机变量

21. 概率与统计 - 数学期望、统计描述-分布

22. 概率与统计 - 贝叶斯统计-机器学习分类指标

23. 图论 - 图的由来和构成

24. 图论 - 图的表示-种类

25. 图论 - 路径和算法

26. 图论 - 树

27. 数学篇电子书

---

人工智能基础核心知识

1. 人工智能核心基础 - 规划和概要
2. 人工智能核心基础 - 导论1
3. 人工智能核心基础 - 导论2
4. 人工智能核心基础 - 导论3
5. 机器学习入门 - 动态规划
6. 机器学习入门2 - 理解特征和向量
7. 机器学习入门3 - 了解K-means
8. 机器学习- 线性回归
9. 机器学习- 逻辑回归
10. 机器学习-评测指标
11. 机器学习 - 评价指标2
12. 机器学习 - 拟合
13. 机器学习 - 数据集的处理
14. 机器学习 - KNN - 贝叶斯
15. 机器学习 - 支持向量机
16. 机器学习 - 决策树
17. 机器学习 - 随机森林
18. 深度学习 - 从零理解神经网络
19. 深度学习 - 用函数解决问题
20. 深度学习 - 多层神经网络
21. 深度学习 - 拓朴排序的原理和实现
22. 深度学习 - 自动求导计算的实现
23. 深度学习 - 完成神经网络框架
24. 深度学习进阶 - 矩阵运算的维度和激活函数
25. 深度学习进阶 - 权重初始化，梯度消失和梯度爆炸
26. 深度学习进阶 - 深度学习的优化方法
27. 深度学习进阶 - 为什么RNN
28. 深度学习进阶 - LSTM
29. 深度学习进阶 - 卷积的原理
30. 深度学习进阶 - 池化
31. 深度学习进阶 - 全连接层及网络结构
32. 深度学习进阶 - Transfer Learning
33. Exercise/ Captcha Recognition

---

人工智能BI核心知识

1. 员工离职预测
2. 男女声音识别
3. XGBoost
4. LightGBM vs CatBoost，具体实现分析
5. 金融行业中 Fintech 的应用场景
6. 量化交易，简单的炒股策略实现
7. 量化交易，如何编写代码来利用 MACD 决定选股策略
8. 万字长文，银行如何做贷款违约的预测，特征处理及学习
9. 数据可视化，基本图形绘制
10. 决策树的使用及可视化
11. 如何在 Python 中进行分词并展示词云
12. 可视化在项目蒸汽量预测的过程及应用
13. 可视化看板发布
14. 推荐系统之矩阵分解
15. 推荐系统之ALS原理
16. 推荐系统之ALS实现
17. Surprise工具箱：Baseline
18. SlopeOne 原始算法、优化算法的原理及应用
19. 学习人工智能如何从阅读论文中获取一手信息，并推荐一些技术论文
20. 一篇文章为你讲透 SVD 矩阵分解的原理
21. SVD 矩阵分解的实际案例：利用 SVD 进行图像压缩
22. 详细来说说 SVD 矩阵分解的三种算法
23. 推荐系统之基于内容的推荐
24. Embedding
25. 带你详细了解十大经典机器学习模型之 Google 的基石：PageRank
26. PageRank 拓展以及如何利用 networkx 来分析希拉里丑闻
27. PageRank 的那些相关算法 - PersonRank, TextRank, EdgeRank
28. 图论工具和算法, 社区发现以及最短路径
29. 初接触 Graph Embedding
30. 详解 Graph Embedding 的 DeepWalk 算法及实例
31. 从原理到实例，详解 Node2Vec 算法
32. 依据淘宝的用户行为，从 0 开始实现一个简单的移动推荐系统
33. Graph Embedding 回顾以及 GCN 算法介绍
34. 美国大学生足球队的 GCN 案例
35. 利用项目「恶意软件检测」来看 GCN 和 LSTM 的对比
36. 详细讲解机器学习分支之强化学习的概念和实际案例：迷宫问题
37. 强化学习案例：自动完成游戏 Flappy Bird

---

人工智能CV核心知识

1. CV 篇预告
2. 计算机视觉解决什么问题？
3. 计算机视觉的职业规划
4. Computer Vision 的由来
5. 计算机是如何看到图像的
6. 计算机处理图像的方式方法_1
7. 计算机处理图像的方式方法_2
8. 作业, 人像滤波去噪
9. 灰度图和 gamma 值
10. 直方图及均衡化
11. 计算机视觉核心步骤
12. 特征及决策函数
13. 图片特征描述子
14. 作业, 识别图像数字
15. 计算机视觉的常用模型
16. 对客观世界的建模：卷积
17. 从 MLP 到 CNN
18. 如何加速 CNN
19. GPU Schema
20. 作业, 使用 pycuda 完成 LeNet 前向计算
21. CNN 及经典模型如何搭积木
22. Output 层的设计

---