循环神经网络一：RNN、LSTM 与 GRU 的序列建模原理

深度学习（Deep Learning，简称 DL）是机器学习的一个重要分支，它以人工神经网络为基础，通过堆叠多层隐藏层，构建深度神经网络，自动从数据中学习层次化的特征表示。“深度” 并不是一个严格的量化标准，而是相对于浅层神经网络而言的。通常来说，包含 3 层及以上隐藏层的神经网络，就可以称为深度神经网络。深度学习的核心突破，在于它实现了特征的自动提取。传统机器学习需要人工设计特征，而深度学习能够

AI 大模型时代：产业变革与零基础学习路径全景

 概率论、信息论与深度学习基础

机器学习基础一：监督学习、无监督学习与强化学习范式

机器学习基础二：线性回归与逻辑回归原理与实现

机器学习基础三：决策树、随机森林与集成学习

机器学习基础四：支持向量机与核方法

机器学习基础五：聚类算法与降维方法

机器学习基础六：模型评估、调参与泛化能力