百面机器学习--Hulu

以下内容为转发Hulu公众号的链接，更全内容可查看书籍

• 0 序
• 1 模型评估
• 2 SVM模型
• 3 优化简介
• 4 采样
• 5 余弦距离
• 6 PCA算法
• 7 非监督学习算法与评估
• 8 强化学习（一），强化学习（二）
• 9 循环神经网络
• 10 LSTM
• 11 Seq2Seq
• 12 注意力机制
• 13 集成学习
• 14 如何对高斯分布进行采样
• 15 多层感知机与布尔函数
• 16 经典优化算法
• 17 随机梯度下降算法之经典变种
• 18 SVM—核函数与松弛变量
• 19 主题模型
• 20 PCA最小平方误差理论
• 21 分类、排序、回归模型的评估
• 22 特征工程—结构化数据
• 23 神经网络训练中的批量归一化
• 24 随机梯度下降法
• 25 初识生成式对抗网络（GANs）
• 26 隐马尔科夫模型
• 27 自组织映射神经网络
• 28 概率图模型
• 29 WGANs：抓住低维的幽灵
• 30 常见的采样方法