配套资源下载#

本站所有专栏文章、教程、术语百科等内容已开放免费阅读，无需订阅即可阅读全文。订阅仅用于解锁配套资源的下载、查看、答疑权限。如需了解每个档位的具体权益对比，请查看「订阅计划」了解详情。

以下是部分资源的汇集，点击对应按钮即可下载，已登录且达到该档位会直接触发下载，未达档位会提示升级。其它如代码、插图文件等资源，会在原文描述处有相关下载按钮。

PPT 资源#

「机器学习」栏目 PPT 资源

第 1 章环境配置 介绍 Conda/Python 环境管理，搭建跨平台可复现的开发环境。

第 2 章线性回归 讲解线性回归建模思想、参数求解、梯度下降与回归评估指标等内容。

第 3 章逻辑回归 从线性到概率建模，极大似然推导、二分类与多分类决策边界及评估指标。

第 4 章模型的改善与泛化 围绕泛化讲解过/欠拟合、偏差方差、L1/L2 正则化、交叉验证与特征标准化。

第 5 章 K近邻原理与 sklearn 实战 介绍 KNN 思想、距离度量、K 值影响、kd 树加速检索及 sklearn 分类实现。

第 6 章词袋模型TF-IDF 讲解文本表示的词袋模型与 TF-IDF、词表构建与向量化，KNN 垃圾邮件分类实战。

第 7 章朴素贝叶斯原理 从贝叶斯定理推导分类决策公式，介绍贝叶斯估计/平滑，对比高斯与多项式朴素贝叶斯。

第 8 章决策树原理ID3、C4.5 与 CART 从信息熵出发讲解决策树生成、信息增益/基尼系数，3种算法对比。

第 9 章集成学习 讲解 Bagging/Boosting/Stacking 三大范式，随机森林与 AdaBoost/Gradient Boosting思想。

第 10 章支持向量机 介绍最大间隔分类器、软/硬间隔、核函数、KKT 条件与 SMO 求解算法。

第 11 章聚类分析 讲解聚类思想、KMeans 交替优化与 K 值选择、层次聚类、密度聚类与聚类评价指标。

第 12 章主成分分析 从协方差矩阵与特征值分解推导 PCA 主成分提取，并扩展到非线性核主成分分析 KPCA。

第 13 章自训练与标签传播算法 介绍 Self-Training 的迭代自增强、标签传播与标签扩散的图传播思想及实现。

「深度学习」栏目 PPT 资源

第 1 章深度学习发展史与主流框架介绍 梳理深度学习发展脉络（感知机→CNN→RNN→Transformer）、代表人物与 PyTorch/TensorFlow 等主流框架，给出全书学习路线与配套资源总览。

第 2 章深度学习环境配置与 CUDA 安装 讲解 CUDA/cuDNN 安装、Conda 跨平台环境管理、PyTorch 搭建与 GPU 验证，覆盖本地、远程服务器与云端 GPU 等多种开发形态。

第 3 章 Softmax 回归、反向传播与激活函数 从"从数据学习函数"出发，讲解 Softmax 多分类、反向传播推导、激活函数、正则化与超参数等深度学习最底层逻辑。

第 4 章 CNN 教程 卷积神经网络原理与经典模型从卷积/池化/填充原理讲起，系统介绍 LeNet、AlexNet、VGG、GoogLeNet、ResNet 等经典 CNN 结构与图像特征建模。

第 5 章迁移学习、模型保存与多 GPU 训练 聚焦工程实战，讲解参数与日志管理、TensorBoard 可视化、模型保存与加载、迁移学习与多 GPU 训练流程。

第 6 章 BatchNorm、学习率调度与 Adam 优化器 围绕训练策略系统讲解学习率调度、梯度裁剪、BatchNorm/LayerNorm/GroupNorm 归一化与 Adam 等优化器原理。

第 7 章 RNN、LSTM 与 GRU 原理 介绍 RNN隐藏状态传递、BPTT 训练机制与多层结构，重点讲解 LSTM/GRU 的门控机制与序列建模应用。

第 8 章时序与模型融合 讲解 TextCNN/TextRNN/C-LSTM/BiLSTM-CNN 等 CNN+RNN 融合结构，以及 ConvLSTM 在视频理解等时空联合建模场景的应用。

第 9 章 Word2Vec、GloVe、Seq2Seq 与注意力机制 从语言模型演进出发，讲解 Word2Vec（CBOW/Skip-gram）、GloVe 全局共现词向量、Seq2Seq 与神经机器翻译中的注意力机制。

第 10 章 Transformer、BERT、GPT 与 ChatGPT 围绕现代神经网络体系，讲解 ELMo 上下文表示、Transformer 自注意力/多头机制、BERT/GPT 系列与 ChatGPT、提示词工程等大模型基础。

「专题文章」栏目 PPT 资源

图解 Transformer 入门教程 ｜ 玩转 Bert 详解6大下游任务

PDF 资源#

Transformer 入门指南 3.0 资料包

从背景到动机，从原理再到实现，4万字50图带你详解Transformer网络架构！更有实战项目，配套讲解视频，全方位掌握 Transformer，100页高清 PDF、配套PPT、高清无水印网络结构图，打印学习更方便。

Bert 入门指南 2.0 资料包

Bert 入门指南系列栏目，一键复现论文结果。覆盖 BERT 原理与 MLM/NSP 预训练、PyTorch 从零实现 BertModel、PyTorch 模型保存与迁移、文本分类（今日头条）、文本蕴含（MNLI）、四选一问答选择（SWAG）、阅读理解（SQuAD）、中文命名体识别 NER 等 5 大下游任务微调，以及动态学习率、TensorBoard 可视化等训练工具。适合作为读者一次性跟进 BERT 全栈技术的导航入口。近200页高清 PDF、80页配套PPT、高清无水印网络结构图，打印学习更方便！