“”[2017]35
1、基础知识
线性代数基础
概率与数理统计基础
微积分基础
Python基础
2、常用机器学习算法：
决策树算法
随机森林算法
朴素贝叶斯算法
逻辑回归算法
SVM算法
K-mean算法
异常URL分类实战
算法优化技术
3、深度学习基础
神经网络
稀疏性
自编码器
手写体识别实战
验证码安全级别介绍
验证码识别实战
4、卷积神经网络（CNN）
卷积算法
池化
PCA
One-Hot
图像识别实战
僵尸网络与DDOS
CNN僵尸网络识别实战
5、递归神经网络（RNN）
Attention机制
文本情景分析实战
传统垃圾邮件解决方案
RNN实现垃圾邮件分类实战
6、最新深度学习进展
增强学习（RL）算法介绍
对抗学习（GAN）算法介绍
网络安全与机器学习研究方向介绍
