AI 核心技术
[同步引用内容已省略]
机器学习
| 机器学习入门 | k-近邻算法 |
| 决策树 | 基于概率论的分类方法: 朴素贝叶斯 |
| Logistic回归 | 支持向量机 |
| 集成方法 ensemble method | 预测数值型数据: 回归 |
| 树回归 | K-Means（K-均值）聚类算法 |
| 使用 Apriori 算法进行关联分析 | 使用FP-growth算法来高效发现频繁项集 |
| 利用 PCA 来简化数据 | 利用SVD简化数据 |
| 大数据与MapReduce | 推荐系统 |
✅机器学习-tom mitchell
✅prml模式识别与机器学习
[多项附件或图示已省略]
| 1-AI入学指南.pdf | 2-回归算法.pdf |
| 3-决策树与集成算法.pdf | 4-聚类算法.pdf |
| 5-贝叶斯算法.pdf | 6-支持向量机.pdf |
| 7-推荐系统.pdf | 8-xgboost.pdf |
| 9-LDA与PCA算法.pdf | 10-EM算法.pdf |
| 11-神经网络.pdf | 12-word2vec.pdf |
| 机器学习实战.pdf | 时间序列分析.pdf |
| 文本分析.pdf | 面试速查（cheat sheets） |
| 机器学习实战.pdf | |
深度学习
| PyTorch 入门 | 深度学习入门基础 |
| 神经网络中的反向传播法—BackPropagation | 卷积神经网络CNN基础 |
| 循环神经网络（RNN） | 长短期记忆网络(LSTM） |
| 卷积神经网络（CNN) | 卷积层知识点 |
| 卷积层知识点 | 激活函数 |
| 深度学习八大神经网络 | 17种常用激活函数汇总 |
| 神经网络损失函数详解 | 深度学习应用实操 |
| 深度学习应用实操 | 深度学习100例 |
| 深度学习调参 | 深度学习面试题 |
| 深度学习项目落地 | 深度学习12条调参经验 |
✅200道高频深度学习面试题
✅深度学习技术板块面试题
[多项附件或图示已省略]
强化学习
| 强化学习入门 | RLHF 相关 |
| 强化学习 | DPO |
| 大模型RLHF：PPO原理与源码解读 | 策略梯度（pg） |
| 近端策略优化(ppo) |
多模态
| 多模态大模型—万字梳理视觉自回归图像生成 | 多模态和大型多模态模型【LMMs】 |
| 混合专家模型 (MoE) 详解 | 浅析多模态大模型的前世今生 |
检索增强 RAG
| 大模型RAG（检索增强生成）含高级方法 | RAG技术基本原理 |
| RAG技术实现流程 | RAG技术应用场景 |
Al Agent
| Agent项目 | Agents 应用场景 |
| AI Agents全景图 | Agent技术 |
| Agent 搭建 | 各大厂Agent项目案例 |
LLM
| 基于LLM构建知识问答系统 | LLM+Embedding构建问答系统的优化方案 |
| LLM 各种技巧 \| Prompt Engineering 指南 | 智能文档问答评估，提升 LLM 应用质量！ |
| 【LLM-RAG】知识库问答 \| 检索 \| embedding | AI产品经理总结 \| LLM中14种Prompt策略 |
| 基于LangChain+LLM的本地知识库问答：从企业单文档问答到批量文档问答 | LLMs中的幻觉问题 |
| LAMs.pdf | |
1