集成学习基础知识

集成方法：集体智慧

关注集成学习原因

单个模型中的拟合度与复杂性

第一个集成模型

集成方法的术语和分类

基本集成方法

同质并行集成：Bagging法和随机森林

并行集成

Bagging： Boostrap结合算法

随机森林

更多同质并行集成

案例研究： 乳腺癌诊断

异构并行集成：结合强学习器

异质集成的基础估计器

通过加权结合预测

通过元学习结合预测

案例研究：情感分析

顺序集成： 自适应提升

弱学习器的顺序集成

AdaBoost： 自适应提升

AdaBoost在实践中的应用

案例研究： 手写数字分类

LogitBoost：使用逻辑损失进行提升

顺序继承...

Read more

关于本书

系统交易

交易方法验证

科学方法

方法的一致性

时间管理

开发交易模型

模型的目标

规则和变化

处理数据

资产类型

投资范围

资产配置和风险级别

进场规则和立场规则

再平衡

金融风险

量化风险

逐日盯市

常见的风险谬论

以风险为代价取得回报

Python 介绍

Pandas 程序库介绍

交易策略回测

回测结果分析

交易所交易基金

构建ETF模型

股票

系统动量策略

期货

期货建模及回测

期货趋势跟随交易

时间回报趋势跟随模型

反趋势交易

曲线交易

比较和组合模型

回测表现可视化与模型组合

你不可能一直是赢家

测量相对表现

导入数据

数据和数据库

结束语-前进的路径

Read more

进化深度学习简介

进化计算简介

使用DEAP 介绍遗传算法

使用DEAP进行更多的进化计算

自动超参数优化

进化卷积神经网络

进化自编码器

生成式深度学习与进化

NEAT-神经进化增强拓扑

使用NEAT 进行进化学习

Read more

数学基础

深度神经网络的逼近基础理论

深度神经网络的函数逼近

深度神经网络的复杂函数逼近

深度神经网络与多尺度几何逼近系统

深度神经网络的构造理论

学习表征编码器的构造理论

多尺度几何深度网络理论

复杂深度学习网络

拟合问题

正则化理论

泛化理论

学习可解释性

收敛性理论

学习模型的复杂度

一阶优化方法

高阶优化方法

启发式学习优化

进化深度学习

离散优化问题

非凸优化

非负矩阵深度学习分解

稀疏张量深度学习分解

线性方程组的深度学习求解

微分方程的深度学习求解

深度学习分类

深度学习聚类

深度学习回归

Read more

卷积网络

新型结构

注意力机制

模型压缩

自监督学习

目标检测中的高级技巧

无监督学习

Transformer 高级篇

图神经网络

元学习

Read more

分布式机器学习

集合通信

参数服务器之PS-Lite

Pytorch DataParrallel

Pytorch DDP 的基础架构

DDP的动态逻辑

Horovod

GPipe

Pytorch 流水线并行

PipeDream 之基础架构

PipeDream之动态逻辑

Megatron

Pytorch 如何实现模型并行

分布式优化器

分布式运行环境之静态架构

分布式运行环境之动态逻辑

分布式策略基础

MirroredStrategy

ParameterServerStrategy

Read more

机器学习与深度学习概述

Python 编程与统计基础

回归与逻辑回归

决策树

模型选择和交叉验证

聚类分析

随机森林和boosting

人工神经网络

TensorFlow 和 Keras

深度学习中的超参数

卷积神经网络

RNN 与LSTM

Read more

绪论

矩阵型分类学习

多视角学习

不平衡数据分类学习

集成学习

深度学习

应用案例

脑电信号自动情感识别

基于语音的生物认证系统

面向图像分类的半监督学习系统

Read more

人工智能系统概述

神经网络基础

深度学习框架基础

矩阵运算与计算机体系结构

深度学习的编译与优化

分布式训练算法与系统

异构计算集群调度与资源管理系统

深度学习推理系统

自动机器学习系统

强化学习系统

模型压缩与加速

人工智能安全与隐私

人工智能优化计算机系统

Read more

深度学习线性代数入门

概率论基础

神经网络

训练前馈神经网络

用PyTorch 实现神经网络

超越梯度下降

卷积神经网络

嵌入和表示学习

序列分析模型

生成模型

模型解释方法

记忆增强神经网络

深度强化学习

Read more