2017最新整理深度学习神经网络算法全套，资源教程下载

课程名称

2017最新整理深度学习神经网络算法全套，资源教程下载

课程目录

第一章深度学习概述

1.1、tensorflow安装

1.2、深度学习概述

1.3、深度学习之非线性划分+BP算法

1.4、Linear线性回归案例

1.5、手写数字（mnist）

1.6、手写数字（SimpleNeuralNetwork）

第二章CNN卷积神经网络

2.1、CNN卷积神经网络

2.2、卷积神经网络可视化理解

2.3、CNN案例操作(1)

2.4、CNN案例操作(2)

第三章RNN循环神经网络

3.1、RNN概述

3.2、RNN实例——验证码识别

3.3、RNN实例——邮件分类

第四章总结

4.1、深度学习总结

第五章推荐系统

5.1、0101_机器学习部署方式回顾

5.2、0102_推荐系统概述及推荐系统效果评估方式讲解

5.3、0103_协同过滤之基于用户最近邻推荐方式讲解

5.4、0104_协同过滤之基于用户最近邻推荐案例过程讲解

5.5、0105_协同过滤之基于物品最近邻推荐原理及案例过程讲解

5.6、0106_协同过滤之最近邻算法总结一

5.7、0107_协同过滤之最近邻算法总结二

5.8、0108_协同过滤之SVD矩阵分解及关联规则推荐方式讲解

5.9、0109_基于内存的推荐系统讲解

5.10、0110_基于知识的推荐系统讲解

5.11、0111_混合推荐系统及推荐系统攻击讲解

5.12、0112_推荐系统框架介绍及python-recsys简单讲解

5.13、0113_SparkMLlib相关知识概述

5.14、0114_SparkMLlib开发环境搭建

5.15、0115_SparkMLlib案例一：基于豆瓣电影评分数据的协同过滤算法推荐

第六章推荐系统&数据挖掘&人工智能

6.1、0201_推荐系统知识回顾

6.2、0202_协同过滤之基于物品最近邻算法SparkCore代码实现一

6.3、0203_协同过滤之基于物品最近邻算法SparkCore代码实现二

6.4、0204_协同过滤之基于物品最近邻算法SparkCore代码实现三

6.5、0205_协同过滤之基于物品最近邻算法SparkCore代码实现四

6.6、0206_Mahout推荐算法实现API讲解一

6.7、0207_Mahout推荐算法实现API讲解二

6.8、0208_Mahout推荐算法实现API讲解三

6.9、0209_Mahout推荐算法实现API讲解四

6.10、0210_Mahout推荐算法实现API讲解五

6.11、0211_数据挖掘基本概念讲解

6.12、0212_关联规则算法逻辑讲解

6.13、0213_关联规则算法SparkCore代码实现讲解

6.14、0214_人工智能总结