资源详情
教程名称：2017最新整理深度学习神经网络算法全套
教程目录：
第一章深度学习概述
1.1、tensorflow安装
1.2、深度学习概述
1.3、深度学习之非线忄生划分+BP算法
1.4、Linear线忄生回归案例
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
