practicalAI cn

AI PRATIQUE AI Version chinoise

Vous donnez la possibilité d'utiliser l'apprentissage automatique pour obtenir des informations précieuses de vos données.

• Utilisez Pytorch pour implémenter des algorithmes d'apprentissage automatique de base et des réseaux de neurones profonds.
• Aucun paramètre n'est requis, utilisez Google Colab dans votre navigateur pour exécuter tous les programmes.
• ? Pas seulement un tutoriel, mais l'apprentissage de la programmation d'apprentissage automatique orientée objet au niveau du produit.

Cahiers

Base	Apprentissage en profondeur	Avancé	thème
? Cahiers	Pytorch	RNN avancée	? Vision informatique Vision informatique
? Python	? ️ Perceptrons multicouches	? ️ Réseaux d'autoroute et résiduels	⏰ Analyse des séries chronologiques
? Nombant	? Données et modèles Données et modèles	? Autoencoders	? ️ Modélisation du sujet
? Pandas	? Orienté ML orienté objet	Réseaux adversaires génératifs	? Systèmes de recommandation
? Régression linéaire	? ️ Réseaux de neurones convolutionnels	? Réseaux de transformateurs spatiaux	Modélisation de la langue pré-entraînée
Régression logistique régression logistique	Incorporer		? Apprentissage multitâche
? Forêts aléatoires	? Réseaux de neurones récurrents		Apprentissage à faible tir
? K-means regroupant kmeans clustering			? Apprentissage du renforcement

Afficher les cahiers

Si vous n'avez pas besoin d'exécuter des ordinateurs portables, vous pouvez facilement les visualiser à l'aide de Jupyter NBViewer.

Remplacez https://github.com/ par https://nbviewer.jupyter.org/github/ , ou ouvrez https://nbviewer.jupyter.org et entrez l'URL du cahier.

Exécuter les cahiers

1. Obtenez le cahier dans le dossier des notebooks de ce projet;
2. Vous pouvez exécuter ces ordinateurs portables sur Google Colab ou des ordinateurs locaux;
3. Cliquez sur un cahier et remplacez https://github.com/ dans l'adresse URL à https://colab.research.google.com/github/ , ou utilisez cette extension chromée pour la terminer en un seul clic;
4. Connectez-vous à votre propre compte Google;
5. Cliquez sur复制到云端硬盘dans la barre d'outils et l'ordinateur portable s'ouvrira dans un nouvel onglet;

5. Remplacement du cahier complet en supprimant副本dans le titre;
6. Exécutez du code, modifiez, etc., qui seront tous enregistrés automatiquement sur votre lecteur Google personnel.

Contribuer aux cahiers

1. Après modification, téléchargez le cahier Google Colab en tant que fichier .ipynb;

2. Allez sur https://github.com/lisonevf/practiticalai-cn/tree/master/notebooks;
3. Cliquez sur Upload files .

5. Téléchargez ce fichier .ipynb;
6. Rédiger un titre et une description de soumission détaillés;
7. Nommez votre branche de manière appropriée;
8. Cliquez sur Propose changes .

Liste de contributions

Tout le monde est invité à participer et à s'améliorer.

Carnet de notes	Traducteur
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