practicalAI cn

AI Practical AI Versión china

Le brinde la capacidad de usar el aprendizaje automático para obtener información valiosa de sus datos.

• Use Pytorch para implementar algoritmos básicos de aprendizaje automático y redes neuronales profundas.
• No se requieren configuración, use Google Colab en su navegador para ejecutar todos los programas.
• ? No solo un tutorial, sino también aprendiendo programación de aprendizaje automático orientado a objetos a nivel de producto.

Cuadernos

Base	Aprendizaje profundo	Avanzado	tema
? Cuadernos	Pytorch	RNNS avanzados	? Visión de la computadora Visión de la computadora
? Pitón	? ️ Perceptrones multicapa	? ️ Carreteras y redes residuales	⏰ Análisis de series de tiempo
? Numpy	? Datos y modelos datos y modelos	? Autoencoders	? ️ Modelado de temas
? Pandas	? ML orientado a objetos orientado a objetos	Redes adversas generativas	? Sistemas de recomendación
? Regresión lineal	? ️ Redes neuronales convolucionales	? Redes de transformadores espaciales	Modelado de idiomas previamente
Regresión logística regresión logística	Incrustaciones		? Aprendizaje multitarea
? Bosques aleatorios	? Redes neuronales recurrentes		Aprendizaje de tiro bajo
? k-means agrupando kmeans clúster			? Aprendizaje de refuerzo

Ver cuadernos

Si no necesita ejecutar cuadernos, puede verlos fácilmente usando Jupyter NBViewer.

Reemplace https://github.com/ con https://nbviewer.jupyter.org/github/ , o abra https://nbviewer.jupyter.org e ingrese la URL del cuaderno.

Ejecutar cuadernos

1. Obtenga el cuaderno en la carpeta de notebooks de este proyecto;
2. Puede ejecutar estos cuadernos en Google Colab o computadoras locales;
3. Haga clic en un cuaderno y reemplace https://github.com/ en la dirección de URL a https://colab.research.google.com/github/ , o use esta extensión de Chrome para completarla en un solo clic;
4. Inicie sesión en su propia cuenta de Google;
5. Haga clic en复制到云端硬盘en la barra de herramientas y el cuaderno se abrirá en una nueva pestaña;

5. Renamamiento completo del cuaderno eliminando副本en el título;
6. Ejecute código, modifique, etc., todo lo cual se guardará automáticamente en su unidad de Google personal.

Contribuir cuadernos

1. Después de la modificación, descargue el cuaderno de Google Colab como un archivo .ipynb;

2. Vaya a https://github.com/lisonevf/practicalai-cn/tree/master/notebooks;
3. Haga clic en Upload files .

5. Cargar este archivo .ipynb;
6. Escriba un título de envío detallado y una descripción;
7. Nombra tu rama apropiadamente;
8. Haga clic en Propose changes .

Lista de contribuciones

Cualquiera es bienvenido a participar y mejorar.

Computadora portátil	Traductor
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