SUMMARY2.md

#机器学习原理

* [第一部分 数学基础]()
* 第一章 微积分
* 第二章 概率论和统计
* 第三章 线性代数和矩阵

* 第二部分 机器学习
    * 机器学习基础
    * 数据处理&大数据
    * 特征工程
    * 回归
    * 决策树
    * SVM
    * 集成学习
    * 聚类
    * 关联分析
    * EM算法
    * 贝叶斯网络
    * LDA
    * 隐马尔科夫模型HMM
    * 条件随机场 CRF

* 第三部分 深度学习
    * 深度学习的层
    * 深度神经网络 DNN
    * 卷积神经网络 CNN
    * 对抗生成网络 GAN
    * 受限波尔兹曼机 RBM
    * 循环神经网络 RNN
    * 自动编码器 
    * word2vec
    * 自然语言处理
    * 语音识别
    * 图像视频处理

* 第四部分 强化学习
    * MDP
    * Q-Learninig
    * DQN
    * SARSA
    * Actor-Critic
    * A3C
    * DDPG
    * PPO
    * DPO
    * 进化学习
    * 迁移学习

* 第五部分 大模型
    * 工程方法
        * GPU编程
        * 算子优化
        * 知识蒸馏
        * 量化方法
        * 并行训练
        * 提示词Prompt Engineering
        * MLOPS
        * 存储
        * 网络
    * BERT
    * Transformer
    * MOE
    * GPT
    * Diffusion
    * RAG
    * 大模型应用
        * 推荐
        * 量化投资
        * 机器人RPA