Download für deep learning wizard - Download deep learning wizard Quellcode

deep learning wizard

Python

LLM Section Release

Herunterladen

Deep -Lernmaterialien von Deep Learning Assistent

Beginnen Sie jetzt zu lernen

Bitte besuchen Sie www.deeplearningwizard.com, um zu lernen! Es ist mobil/tabletfreundlich und Open-Source.

Repository -Details

Dieses Repository enthält alle Notizbücher und MKDOCs -Markdown -Dateien der Tutorials, die maschinelles Lernen, Deep Learning, Deep verstärkte Lernen, Datentechnik, allgemeine Programmierungen und Visualisierungen abdecken, die die Website mit Strom versorgen.

Beachten Sie, dass dies eine frühzeitige Arbeit ist. Seien Sie geduldig, wenn wir unsere Führer allmählich hochladen.

Abschnitte und Unterabschnitte

Deep Learning and Deep verstärkte Lerntutorials (Bibliotheken: Python, Pytorch, Fitnessstudio, Numpy, Matplotlib und mehr)
- Einführung
- Kursentwicklung
- Praktisches tiefes Lernen mit Pytorch
  - Matrizen
  - Gradienten
  - Lineare Regression
  - Logistische Regression
  - Feedforward Neural Network (FNN)
  - Faltungsnetzwerk (CNN)
  - Wiederkehrendes neuronales Netzwerk (RNN)
  - Langes Kurzzeitspeichernetz (LSTM)
  - Autoencoder (AE)
  - Voll verbunden
- Verbesserung des tiefen Lernens mit Pytorch
  - Derivat, Gradient und Jakobier
  - Vorwärts- und Rückwärtsbekämpfung und Gradientenabstieg (von Grund auf neu Fnn Regression)
  - Lernrateplanung
  - Optimierungsalgorithmen
  - Gewichtsinitialisierung und Aktivierungsfunktionen
- Tiefes Verstärkung Lernen mit Pytorch
  - Beaufsichtigt auf Verstärkungslernen
  - Markov -Entscheidungsprozesse und Bellman -Gleichungen
  - Dynamische Programmierung
- Von Grund auf neuer Lernen mit Pytorch/Python
  - Von kratzlogistischer Regressionsklassifizierung
- Optimierung berechnen
  - Speed -Optimization -Grundlagen numba
Sprachmodelle (Bibliotheken: Python, Pytorch, Ollama, Llamaindex, Cuda, Huggingface, Apptainer)
- Intro
- Behälter
  - HPC -Container mit Apptainer
- Sprachmodelle
  - LLM Einführung und Hyperparameter -Abstimmung
- Multimodale Sprachmodelle
  - MMLM EINLEITUNG
- Abruf der Augemented Generation (LAG)
  - Einbettung Einführung
Tutorials für maschinelles Lernen (Bibliotheken: Python, Cudf Rapids, Cuml Rapids, Pandas, Numpy, Scikit-Learn und mehr)
- Stromschnellen
  - Intro
  - GPU -Datenrahmen
  - CPU/GPU -Bruchdifferenzierung
Programmier -Tutorials (Bibliotheken: C ++, Python, Bash und mehr)
- Intro
- C ++
- Verprügeln
- Python
- JavaScript
- Elektron
Data Engineering Tutorials (Bibliotheken: Bash, Databricks, Delta Live -Tabellen, Parquet, Python, Cassandra und mehr)
- Cassandra (NoSQL)
  - Einführung
  - Apache Cassandra Cluster Setup

Über Deep Learning Assistent

Wir setzen einen Top-Down-Ansatz ein, der es Ihnen ermöglicht, tiefe Lerntheorien und schnell und schnell zu erfassen. Wir haben alle unsere Materialien durch unseren Tiefernstamm Wikipedia durch unseren Deep Learning-Zauberer. Für visuelle Lernende können Sie sich für unseren Videokurs anmelden und Tausenden von Deep Learning -Zauberern anschließen.

Bis zu diesem Zeitpunkt haben wir Tausende von Studenten in mehr als 120 Ländern unterrichtet.

Beitrag

Wir rufen die Leute offen an, um Fehler zu diesem Repository für Fehler beizutragen. Fühlen Sie sich frei, eine Pull -Anfrage zu erstellen.

Hauptbeitrag

Ritchie Ng

Herausgeber und Unterstützer

Jie Fu, Herausgeber (Postdoc am Montreal Institute for Learning Algorithmen (MILA))
Alfredo Canziani, Unterstützer (Assistent in NYU unter Yann Lecun)
Marek Bardonski, Unterstützer (Geschäftsführer, Airev)

Fehler und Verbesserungen

Fühlen Sie sich frei, Fehler und Verbesserungen über Probleme zu melden. Oder versuchen Sie einfach zu ziehen, um Verbesserungen/Korrekturen vorzunehmen.