practicalAI cn
1.0.0
Geben Sie die Möglichkeit, maschinelles Lernen zu verwenden, um wertvolle Erkenntnisse aus Ihren Daten zu gewinnen.
| Base | Tiefes Lernen | Fortschrittlich | Thema |
|---|---|---|---|
| ? Notizbücher | Pytorch | Fortgeschrittene RNNs | ? Computer Vision Computer Vision |
| ? Python | Multilayer Perceptrons | ? ️ Autobahn- und Restnetzwerke | ⏰ Zeitreihenanalyse |
| ? Numpy | ? Daten und Modelle Daten und Modelle | ? Autoencoder | "Themenmodellierung |
| ? Pandas | ? Objektorientiertes ML-objektorientiert | Generative kontroverse Netzwerke | ? Empfehlungssysteme |
| ? Lineare Regression | ? ️ Faltungsnetze | ? Räumliche Transformatornetzwerke | Vorbereitete Sprachmodellierung |
| Logistische Regressionsregression logistische Regression | Einbettungen | ? Multitasking -Lernen | |
| ? Zufällige Wälder | ? Wiederkehrende neuronale Netzwerke | Lernen Lernen | |
| ? K-Means Clustering Kmeans Clustering | ? Verstärkungslernen |
Wenn Sie keine Notizbücher ausführen müssen, können Sie sie einfach mit Jupyter NBViewer anzeigen.
Ersetzen Sie https://github.com/ durch https://nbviewer.jupyter.org/github/ oder öffnen Sie https://nbviewer.jupyter.org und geben Sie die URL des Notebooks ein.
notebooks dieses Projekts.https://github.com/ in der URL -Adresse in https://colab.research.google.com/github/ oder verwenden Sie diese Chrome -Erweiterung, um sie in einem Klick zu vervollständigen.复制到云端硬盘und das Notizbuch wird in einer neuen Registerkarte geöffnet. 
副本im Titel entfernt wird;
Upload files . 
Propose changes . 
Jeder kann gerne teilnehmen und sich verbessern.
| Notizbuch | Übersetzer |
|---|---|
| 00_Notebooks.IPynb | @amusi |
| 01_python.ipynb | @amusi |
| 02_numpy.ipynb | @amusi |
| 03_pandas.ipynb | @amusi |
| 04_LINEAR_Regression.ipynb | @jasonhhao |
| 05_Logistic_Regression.ipynb | @jasonhhao |
| 06_RANDOM_FORESTS.IPYNB | @jasonhhao |
| 07_pytorch.ipynb | @amusi |
| 08_multilayer_perceptron.ipynb | @zhyongquan |
| 09_Data_and_Models.ipynb | @zhyongquan |
| 10_Object_oriented_ml.ipynb | @zhyongquan |
| 11_Convolutional_neural_networks.ipynb | |
| 12_embeddings.ipynb | @Wengjj |
| 13_Recurrent_neural_networks.ipynb | |
| 14_Advanced_rnns.ipynb | |
| 15_Computer_vision.ipynb |