practicalAI cn

AI實戰-practicalAI 中文版

讓你有能力使用機器學習從數據中獲取有價值的見解。

• 使用PyTorch 實現基本的機器學習算法和深度神經網絡。
• 不需要任何設置，在瀏覽器中使用Google Colab 運行所有程序。
• ? 不僅僅是教程，而是學習產品級的面向對像機器學習編程。

Notebooks

基礎	深度學習	進階	主題
? Notebooks	PyTorch	高級循環神經網絡Advanced RNNs	? 計算機視覺Computer Vision
? Python	?️ 多層感知Multilayer Perceptrons	?️ Highway and Residual Networks	⏰ 時間序列分析Time Series Analysis
? NumPy	? 數據和模型Data & Models	? 自編碼器Autoencoders	?️ Topic Modeling
? Pandas	? 面向對象的機器學習Object-Oriented ML	? 生成對抗網絡Generative Adversarial Networks	? 推薦系統Recommendation Systems
? 線性回歸Linear Regression	?️ 卷積神經網絡Convolutional Neural Networks	? 空間變換模型Spatial Transformer Networks	預訓練語言模型Pretrained Language Modeling
邏輯回歸Logistic Regression	嵌入層Embeddings		? 多任務學習Multitask Learning
? 隨機森林Random Forests	? 遞歸神經網絡Recurrent Neural Networks		Low Shot Learning
? k-均值聚類KMeans Clustering			? 強化學習Reinforcement Learning

查看notebooks

如果不需要運行notebooks，使用Jupyter nbviewer 就可以方便地查看它們。

將https://github.com/替換為https://nbviewer.jupyter.org/github/ ，或者打開https://nbviewer.jupyter.org並輸入notebook 的URL。

運行notebooks

1. 在本項目的notebooks文件夾獲取notebook；
2. 你可以在Google Colab（推薦）或本地電腦運行這些notebook；
3. 點擊一個notebook，然後替換URL地址中https://github.com/為https://colab.research.google.com/github/ ，或者使用這個Chrome擴展一鍵完成；
4. 登錄你自己的Google 賬戶；
5. 點擊工具欄上的复制到云端硬盘，會在一個新的標籤頁打開notebook；

5. 通過去掉標題中的副本完成notebook 重命名；
6. 運行代碼、修改等，所有這些都會自動保存到你的個人Google Drive。

貢獻notebooks

1. 修改後下載Google Colab notebook 為.ipynb 文件；

2. 轉到https://github.com/LisonEvf/practicalAI-cn/tree/master/notebooks ；
3. 點擊Upload files .

5. 上傳這個.ipynb 文件；
6. 寫一個詳細詳細的提交標題和說明；
7. 適當命名你的分支；
8. 點擊Propose changes 。

貢獻列表

歡迎任何人參與和完善。

Notebook	譯者
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