Other-Website-Contents.md

本文主要是介绍Other-Website-Contents.md，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

title: 本站目录
categories:

Other
sticky: 10
toc: true
keywords:
- 机器学习基础
- 深度学习基础
- 人工智能数学知识
- 机器学习入门
  date: 9999-12-31 23:59:59

本站包含作者原创的关于人工智能的理论，算法等博客，目前包括：强化学习，深度学习，机器学习，线性代数，概率论，数理统计，Python，爬虫等在目前人工智能领域需要用到的基础知识，欢迎大家订阅关注。

本站目录

首先插入一下我的整体研究思路，也是人工智能的技能树，我们要顺着这个树找到自己的研究方向：

人工智能 - 数学理论：

集合论

1 样本集
2 集合操作

数学分析

微积分
数学分析
实分析
复分析
泛函分析
测度论

线性代数

《Introduction to Linear Algebra》
线性代数BigPicture
1.0 向量
1.1 线性组合
1.2 点乘和长度
2.1 Ax=b
2.2 消元
2.3 消元和矩阵
2.4 矩阵计算
2.5 逆
2.6 LU和LDU分解
2.7 映射与排列
3.1 向量空间
3.2 Null 空间
3.3 秩
3.4 Ax=B
3.5 线性独立，基和维度
3.6 四个空间的维度
4.1 四个子空间的正交
4.2 投影
4.3 最小二乘（略）
4.4 正交基和Gram-Schmidt算法
5.1 行列式的性质
5.2 排列和代数余子式
5.3 Cramer’s 法则,逆和体积
6.1 特征值介绍
6.2 矩阵对角化
6.3 微分方程应用（略）
6.4 对称矩阵
6.5 正定矩阵
6.6 相似矩阵
6.7 奇异值分解
7.1 线性变换思想
7.2 线性变换的矩阵
7.3 对角化和伪逆

微分方程

拓扑学

概率论

概率论BigPicture
1.0 概率介绍、试验、事件、公理化的概率
1.1 样本空间、柯氏公理、概率的性质
1.2 古典概率、乘法原理、排列
1.3 组合、二项式定理、多项式定理
1.4 有限事件并的概率、概率欺骗了你
2.1 条件概率、全概率公式
2.2 事件独立、条件独立
2.3 Bayes’ Theorem
3.1 随机变量和离散分布
3.2 连续分布
3.3 Cumulative Distribution Function
3.4 双变量分布
3.5 边缘分布不和独立随机变量
3.6 条件分布 (Part I)
3.6 条件分布 (Part II)
3.7 多变量分布（Part I）
3.7 多变量分布（Part II）
3.8 随机变量的函数
3.9 多随机变量的函数
4.1 随机变量的期望 (Part I)
4.1 随机变量的期望 (Part II)
4.2 期望的性质
4.3 方差
4.4 距
4.5 均值和中值
4.6 协方差和相关性
4.7 条件期望
5.1 分布介绍
5.2 伯努利和二项分布
5.3 超几何分布
5.4 泊松分布
5.5 负二项分布
5.6 正态分布(Part I)
5.6 正态分布(Part II)
5.6 正态分布(Part III)
5.7 Gamma分布(Part I)
5.7 Gamma分布(Part II)
5.8 Beta分布
5.9 多项式分布
5.10 二维正态分布
6.1 大样本介绍
6.2 大数定理
6.3 中心极限定理
6.4 连续性修正

数理统计

数理统计学基础
0.0 Big Picture
1.1 导言
《数理统计学简史》
介绍
早期概率论——从萌芽到《推测术》
1.1 卡丹诺的著作
1.2 分赌本问题
1.3 帕斯卡和费马的通信
1.4 惠更斯的“机遇与规律”
1.5 《推测术》前三部分内容提要
1.6 关于概率的几点看法
1.7 伯努利大数定律
2.0 狄莫弗的二项概率逼近
2.1 狄莫弗研究的动因
2.2 狄莫弗的初步结果
2.3 初步结果的改进，与斯特林的联系

随机过程

信息论

信息论、推理与学习算法
- 介绍

凸优化

数值分析

课程介绍(Big Picture)
0.1 多项式求值
0.2 二进制
0.3 浮点数
0.4 有效数字

算法

强化学习

1.0 强化学习介绍
1.1.0 强化学习
1.1.1 强化学习、监督学习和非监督学习
1.1.2 “探索”(Exploration)还是“ 利用”(Exploitation)都要“面向目标”(Goal-Direct)
1.1.3 强化学习基本框架
1.1.4 强化学习和人工智能
1.2 强化学习举例
1.3 强化学习基础元素
1.4.0 “进化方法”（Evolutionary Method）和 “决策梯度方法” (Policy Gradient Methods) 概论
1.4.1 强化学习与优化方法

机器学习算法

训练数据选择血泪史
人脸检测分析之 Haar-like，Adaboost，级联(Cascade)

统计学习算法

深度学习算法

FaceNet论文阅读
可视化CNN
LeNet
Dropout
CNN训练数据选择

图像处理

1.1 灰度级
1.2 灰度变换，gama变换，对数，反对数变换
2.1 一维DFT
2.2 二维DFT
2.3 FFT算法理解与c语言的实现
2.4 二维FFT,IFFT,c语言实现
2.5 图像傅里叶变换（快速傅里叶变换FFT）
3.0 二值图像
3.1 二值图像-形态学处理数学形态学
3.2 二值图像-形态学处理腐蚀和膨胀
3.3 二值图像-形态学处理开操作和闭操作
3.4 二值图像-形态学处理4 其他操作
4.0 灰度图像
4.1 灰度图像-形态学处理
4.2 灰度图像-频域滤波傅里叶变换之卷积
4.3 灰度图像-频域滤波傅里叶变换之连续周期信号傅里叶级数
4.4 灰度图像-频域滤波傅里叶变换之离散周期信号傅里叶级数
4.5 灰度图像-频域滤波傅里叶变换之连续信号傅里叶变换（FT）
4.6 灰度图像-频域滤波傅里叶变换之采样定理
4.7 灰度图像-频域滤波傅里叶变换之离散时间傅里叶变换(DTFT)
4.8 灰度图像-频域滤波傅里叶变换之离散傅里叶变换(DFT)
4.9 灰度图像-频域滤波傅里叶变换之二维离散傅里叶变换
4.10 灰度图像-频域滤波概论
4.11 灰度图像-频域滤波滤波器
4.12 灰度图像-频域滤波同态滤波
5.0 灰度图像-空域滤波基础：卷积和相关
5.1 灰度图像-图像增强综合介绍
5.2 灰度图像-图像增强平滑之均值滤波、高斯滤波
5.3 灰度图像-图像增强双边滤波 Bilateral Filtering
5.4 灰度图像-图像增强中值滤波
5.5 灰度图像-图像增强锐化基础
5.6 灰度图像–图像增强拉普拉斯算子
5.7 灰度图像-图像增强非锐化掩蔽（Unsharpening Mask）
5.8 灰度图像-图像增强 Robert算子、Sobel算子
5.9 灰度图像–图像增强灰度变换
5.10 灰度图像–图像增强直方图均衡化（Histogram Equalization)
5.11 灰度图像-图像增强直方图匹配（规定化）Histogram Specification
6.0 灰度图像-图像分割综合介绍
6.1 灰度图像-图像分割边缘模型
6.2 灰度图像-图像分割边缘检测算子综述
6.3 灰度图像-图像分割 Robert算子
6.4 灰度图像-图像分割 Sobel算子
6.5 灰度图像-图像分割 Prewitt算子
6.6 灰度图像-图像分割 Scharr算子
6.7 灰度图像-图像分割 Sobel算子，Prewitt算子和Scharr算子平滑能力比较
6.8 灰度图像-图像分割 Canny边缘检测
6.9 灰度图像-图像分割 Marr-Hildreth算子（LoG算子）
6.10 灰度图像-图像分割霍夫变换(Hough Transform)–直线
7.0 灰度图像-图像分割阈值处理综述
7.1 灰度图像-图像分割阈值处理之平均阈值
7.2 灰度图像-图像分割阈值处理之P-Tile阈值
7.3 灰度图像–图像分割阈值处理之迭代均值阈值
7.4 灰度图像-图像分割阈值处理之谷底阈值、峰顶平均
7.5 灰度图像-图像分割阈值处理之OTSU阈值
7.6 灰度图像–图像分割阈值处理之补充说明
7.7 灰度图像-图像分割阈值处理之局部阈值
7.8 灰度图像-图像分割区域分割之区域生长
7.9 灰度图像-图像分割区域分割之区域分离
7.10 灰度图像-图像分割区域分割之分水岭算法
8.0 彩色模型，CIE XYZ，CIE RGB
8.1 彩色图像-色彩空间综述
8.2 彩色图像-色彩空间 RGB系列
8.3 彩色图像-色彩空间 CMY(K)空间
8.4 彩色图像-色彩空间 YIQ 、YUV 、YCbCr 、YC1C2 和I1I2I3
8.5 彩色图像-色彩空间 CIELAB、CIELUV
8.6 彩色图像-色彩空间 HSI(HSL)、HSV(HSB)
8.7 彩色图像-色彩空间总结
9.1 彩色图像-伪彩处理灰度图转伪彩色图像
9.2 彩色图像-彩色变换补色处理
10.1 彩色图像-图像增强直方图增强
10.2 彩色图像-图像增强图像平滑
10.3 彩色图像-图像增强图像锐化
10.4 彩色图像-图像分割彩色空间分割

遗传算法

人工智能 - 神经生物学

人工智能 - 编程语言

Julia

Julia基础
- Julia编程语言介绍

C/C++

《30天自制操作系统》
保护模式
IPL，BIOS
汇编和C
GDT IDT
中断处理
中断
鼠标
内存管理
内存管理和叠加处理
定时器
计时器
MAC环境搭建
Mac环境搭建
MAC下的工具
FIFO
高分辨率
多任务I
多任务II
一个半成品

Python

爬虫

1.0 Introduction
2.0 分析目标网站
3.0 三只虫
3.1 HTTP协议（一）
3.2 HTTP协议（二）
3.3 数据抓取

GPU编程（CUDA）

0.0 腾讯云CUDA环境搭建
1.0 并行计算与计算机架构
1.1 异构计算与CUDA
2.0 CUDA编程模型概述(一)
2.1 CUDA编程模型概述(二)
2.2 给核函数计时
2.3 组织并行线程
2.4 设备信息查询
3.1 CUDA执行模型概述
3.2 理解线程束执行的本质（Part I）
3.2 理解线程束执行的本质（Part II）
3.3 并行性表现
3.4 避免分支分化
3.5 循环展开
3.6 动态并行
4.0 全局内存
4.1 内存模型概述
4.2 内存管理
4.3 内存访问模式
4.4 核函数可达到的带宽
4.5 使用统一内存的向量加法
5.0 共享内存和常量内存
5.1 CUDA共享内存概述
5.2 共享内存的数据布局
5.3 减少全局内存访问
5.4 合并的全局内存访问
5.5 常量内存
5.6 线程束洗牌指令
6.0 流和并发
6.1 流和事件概述
6.2 并发内核执行
6.3 重叠内核执行和数据传输
6.4 重叠GPU和CPU的执行
6.5 流回调

框架

OpenCV
OpenCV矩阵计算分析
TensorFlow .etc

设计实现框架

PineNut

其他笔记

推荐读物
学习
Hexo博客搭建
Hexo畅言评论PC和移动端同步
[斯坦福大学]人工智能课程安排
[麻省理工学院]人工智能课程安排

原文地址1：https://www.face2ai.com/Other-Website-Contents转载请标明出处

这篇关于Other-Website-Contents.md的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！