practicalAI机器学习教程
AI 实战 - practicalAI 中文版
让你可以使用机器学习从数据中得到有价值见解。
-
用 PyTorch 实现基本的机器学习算法和深层神经网络。
-
无需任何设置，即可使用 Google Colab 在浏览器上运行。
-
学习面向对象的机器学习来编写产品代码，而不仅仅是教程。
Notebooks
| 基础 | 深度学习 | 进阶 | 主题 |
|---|---|---|---|
| Notebooks | PyTorch | 高级循环神经网络 Advanced RNNs | 计算机视觉 Computer Vision |
| Python | 多层感知 Multilayer Perceptrons | Highway and Residual Networks | 时间序列分析 Time Series Analysis |
| NumPy | 数据和模型 Data & Models | 自编码器 Autoencoders | Topic Modeling |
| Pandas | 面向对象的机器学习 Object-Oriented ML | 生成对抗网络 Generative Adversarial Networks | 推荐系统 Recommendation Systems |
| 线性回归 Linear Regression | 卷积神经网络 Convolutional Neural Networks | 空间变换模型 Spatial Transformer Networks | 预训练语言模型 Pretrained Language Modeling |
| 逻辑回归 Logistic Regression | 嵌入层 Embeddings | 多任务学习 Multitask Learning | |
| 随机森林 Random Forests | 递归神经网络 Recurrent Neural Networks | Low Shot Learning | |
| k-均值聚类 KMeans Clustering | 强化学习 Reinforcement Learning |
运行 notebooks
-
在本项目的
notebooks文件夹，进入 notebooks； -
你可以在 Google Colab （建议的）或本地机器运行这些 notebook；
-
点击一项 notebook，把 notebook 的 URL 替换
https://github.com/成https://colab.research.google.com/github/，或者使用该 Chrome扩展，一键完成操作； -
登入你的 Google 账号；
-
点击工具栏上的
复制到云端硬盘按钮，之后会在一个新标签页打开 notebook； -
删去标题的
副本部分，来重命名该 notebook； -
你可以运行代码、做修改等。这将自动存储在你的私人谷歌云盘。
评论