2018年3月3日 下午11:27
打卡：
2018年8月17日 下午3:29 反向传播要从正向传播开始讲起，主要的知识点就是链式法则
2018年9月25日 下午8:13 复习第九课，并写总结
这门课的ppt做的特别的好，基本上上不用总结啥，直接背ppt(ppt中的目录最重要)！
2019年3月4日 上午11:19
目前在机器学习瓶颈
如何设计和评价一个网络结构的好坏
2019年1月10日 下午3:10
不要为了使用ML而使用，要立足于问题
2019年1月7日 上午9:58
loss函数意味着什么-结构性学习-GAN-loss本质
网络的宽度和深度-网络的宽度和深度提取不同的特征
机器学习算法集锦：从贝叶斯到深度学习及各自优缺点-汇总-各类算法优缺点
随机森林-决策树中特征数!=节点数-随机森林-boostraping-bagging
与逻辑回归作对比，再理解SVM-逻辑回归函数是SVM二维的一种核函数
在机器学习中是如何“训练的”，和深度学习有啥不同？-不同模型的“训练”方式
理解模型复杂度-过拟合-正则化之间的关系-模型复杂度-正则化
分类算法之决策树-决策树-连续属性值-多数表决
台大林轩田老师的开放课程-课程
人工神经网络的训练过程（反向传播的过程）-BP
朴素贝叶斯：-连续特征下的贝叶斯
RNN->LSTM-RNN-LSTM对比
词袋模型-词袋模型-词频矩阵-TF-IDF
第九课总结：
第七课成果：
对特征处理的一点点理解-特征工程
第五课成果：
GBDT理解-博文
项目复习笔记
第四课成果：
第三课成果：
第二课成果：
第一课成果：
什么是模型，训练模型，机器学习，分类和回归模型不同？-如题
对SVM的再次理解-SVM的二维分类原理
logistics能够分类的原理-逻辑回归和线性回归对比
说说对正则化项的理解-正则化项
PPT
九讲：文本数据处理及分析
八讲：时间序列分析及深度学习RNN
五讲：Python机器学习（2）
python加强：pandas+数据清洗+合并分组+透视表
pandas与numpy对比
向量化思维
python加强：基础+Numpy
PyCharm使用