本文主要向大家介绍了机器学习入门之机器学习进阶系列，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

机器学习-1：MachineLN之三要素

机器学习-2：MachineLN之模型评估

机器学习-3：MachineLN之dl

机器学习-4：DeepLN之CNN解析

机器学习-5：DeepLN之CNN权重更新（笔记）

机器学习-6：DeepLN之CNN源码

机器学习-7：MachineLN之激活函数

机器学习-8：DeepLN之BN

机器学习-9：MachineLN之数据归一化

机器学习-10：MachineLN之样本不均衡

机器学习-11：MachineLN之过拟合

机器学习-12：MachineLN之优化算法

机器学习-13：MachineLN之kNN

机器学习-14：MachineLN之kNN源码

机器学习-15：MachineLN之感知机

机器学习-16：MachineLN之感知机源码

机器学习-17：MachineLN之逻辑回归

机器学习-18：MachineLN之逻辑回归源码

机器学习-19：MachineLN之SVM（1）

机器学习-20：MachineLN之SVM（2）

机器学习-21：MachineLN之SVM源码

机器学习-22：MachineLN之RL

人脸检测系列：

人脸检测——AFLW准备人脸

人脸检测——生成矫正人脸——cascade cnn的思想， 但是mtcnn的效果貌似更赞

人脸检测——准备非人脸

人脸检测——矫正人脸生成标签

人脸检测——mtcnn思想，生成negative、positive、part样本。

人脸检测——滑动窗口篇（训练和实现）

人脸检测——fcn

简单的人脸跟踪

Face Detection(OpenCV) Using Hadoop Streaming API

Face Recognition(face_recognition) Using Hadoop Streaming API

非极大值抑制（Non-Maximum-Suppression）

OCR系列：

1. tf20: CNN—识别字符验证码

身份证识别——生成身份证号和汉字

tf21: 身份证识别——识别身份证号

tf22: ocr识别——不定长数字串识别

机器学习，深度学习系列:

反向传播与它的直观理解

卷积神经网络（CNN）：从原理到实现

机器学习算法应用中常用技巧-1

机器学习算法应用中常用技巧-2

一个隐马尔科夫模型的应用实例：中文分词

Pandas处理csv表格

sklearn查看数据分布

TensorFlow 聊天机器人

YOLO

感知机--模型与策略

从 0 到 1 走进 Kaggle

python调用Face++，玩坏了！

人脸识别keras实现教程

机器学习中的Bias(偏差)，Error(误差)，和Variance(方差)有什么区别和联系？

CNN—pooling层的作用

trick—Batch Normalization

tensorflow使用BN—Batch Normalization

trick—Data Augmentation

CNN图图图

为什么很多做人脸的Paper会最后加入一个Local Connected Conv？

Faster RCNN：RPN，anchor，sliding windows

深度学习这些坑你都遇到过吗？

image——Data Augmentation的代码

8种常见机器学习算法比较

几种常见的激活函数

Building powerful image classification models using very little data

机器学习模型训练时候tricks

OCR综述

一个有趣的周报

根据已给字符数据，训练逻辑回归、随机森林、SVM，生成ROC和箱线图

图像处理系列：

python下使用cv2.drawContours填充轮廓颜色

imge stitching图像拼接stitching

用python简单处理图片（1）：打开\显示\保存图像

用python简单处理图片（2）：图像通道\几何变换\裁剪

用python简单处理图片（3）：添加水印

用python简单处理图片（4）：图像中的像素访问

用python简单处理图片（5）：图像直方图

仿射变换，透视变换：二维坐标到二维坐标之间的线性变换，可用于landmark人脸矫正。

代码整合系列：

windows下C++如何调用matlab程序

ubuntu下C++如何调用matlab程序

matlab使用TCP/IP Server Sockets

ubuntu下C++如何调用python程序，gdb调试C++代码

How to pass an array from C++ to an embedded python

如何使用Python为Hadoop编写一个简单的MapReduce程序

图像的遍历

ubuntu下CMake编译生成动态库和静态库，以OpenTLD为例。

ubuntu下make编译生成动态库，然后python调用cpp。

数据结构和算法系列：

堆排序

red and black (深度优先搜索算法dfs)

深度优先搜索算法

qsort原理和实现

stack实现queue ; list实现stack

另一种斐波那契数列

堆和栈的区别(个人感觉挺不错的)

排序方法比较

漫画 ：什么是红黑树？

牛客网刷题

莫烦python 666

kinect 系列：

Kinect v2.0原理介绍之一：硬件结构

Kinect v2.0原理介绍之二：6种数据源

Kinect v2.0原理介绍之三：骨骼跟踪的原理

Kinect v2.0原理介绍之四：人脸跟踪探讨

Kinect v2.0原理介绍之五：只检测离kinect最近的人脸

Kinect v2.0原理介绍之六：Kinect深度图与彩色图的坐标校准

Kinect v2.0原理介绍之七：彩色帧获取

Kinect v2.0原理介绍之八：高清面部帧(1) FACS 介绍

Kinect v2.0原理介绍之九：高清面部帧(2) 面部特征对齐

Kinect v2.0原理介绍之十：获取高清面部帧的AU单元特征保存到文件

kinect v2.0原理介绍之十一：录制视频

Kinect v2.0原理介绍之十二：音频获取

Kinect v2.0原理介绍之十三：面部帧获取

Kinect for Windows V2和V1对比开发___彩色数据获取并用OpenCV2.4.10显示

Kinect for Windows V2和V1对比开发___骨骼数据获取并用OpenCV2.4.10显示

用kinect录视频库

tensorflow系列：

Ubuntu 16.04 安装 Tensorflow(GPU支持)

使用Python实现神经网络

tf1: nn实现评论分类

tf2: nn和cnn实现评论分类

tf3: RNN—mnist识别

tf4: CNN—mnist识别

7.  tf5: Deep Q Network—AI游戏

tf6: autoencoder—WiFi指纹的室内定位

tf7: RNN—古诗词

tf8:RNN—生成音乐

tf9: PixelCNN

tf10: 谷歌Deep Dream

tf11: retrain谷歌Inception模型

tf12: 判断男声女声

tf13: 简单聊天机器人

tf14: 黑白图像上色

tf15: 中文语音识别

tf16: 脸部特征识别性别和年龄

tf17: “声音大挪移”

tf18: 根据姓名判断性别

21.  tf19: 预测铁路客运量

tf20: CNN—识别字符验证码

tf21: 身份证识别——识别身份证号

tf22: ocr识别——不定长数字串识别

tf23: “恶作剧” --人脸检测

tf24: GANs—生成明星脸

tf25: 使用深度学习做阅读理解+完形填空

tf26: AI操盘手

tensorflow_cookbook--preface

01 TensorFlow入门（1）

01 TensorFlow入门（2）

02 The TensorFlow Way（1）

02 The TensorFlow Way（2）

02 The TensorFlow Way（3）

03 Linear Regression

04 Support Vector Machines

tf API 研读1：tf.nn，tf.layers， tf.contrib概述

tf API 研读2：math

tensorflow中的上采样(unpool)和反卷积(conv2d_transpose)

tf API 研读3：Building Graphs

tf API 研读4：Inputs and Readers

tf API 研读5：Data IO

tf API 研读6：Running Graphs

tf.contrib.rnn.static_rnn与tf.nn.dynamic_rnn区别

Tensorflow使用的预训练的resnet_v2_50，resnet_v2_101，resnet_v2_152等模型预测，训练

tensorflow下设置使用某一块GPU、多GPU、CPU的情况

工业器件检测和识别

将tf训练的权重保存为CKPT,PB ,CKPT 转换成 PB格式。并将权重固化到图里面,并使用该模型进行预测

tensorsor快速获取所有变量，和快速计算L2范数

cnn+rnn+attention

Tensorflow实战学习笔记

tf27: Deep Dream—应用到视频

tf28: 手写汉字识别

tf29: 使用tensorboard可视化inception_v4

tf30: center loss及其mnist上的应用

tf31    

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！