InRich / practicalAI-cn

AI实战-practicalAI 中文版

AI实战-practicalAI 中文版

让你有能力使用机器学习从数据中获取有价值的见解。

• 🔥 使用 PyTorch 实现基本的机器学习算法和深度神经网络。
• 🖥️ 不需要任何设置，在浏览器中使用 Google Colab 运行所有程序。
• 📦 不仅仅是教程，而是学习产品级的面向对象机器学习编程。

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

查看 notebooks

如果不需要运行 notebooks，使用 Jupyter nbviewer 就可以方便地查看它们。

将 https://github.com/ 替换为 https://nbviewer.jupyter.org/github/ ，或者打开 https://nbviewer.jupyter.org 并输入 notebook 的 URL。

运行 notebooks

1. 在本项目的 notebooks 文件夹获取 notebook；
2. 你可以在 Google Colab（推荐）或本地电脑运行这些 notebook；
3. 点击一个 notebook，然后替换URL地址中 https://github.com/ 为 https://colab.research.google.com/github/ ，或者使用这个 Chrome扩展 一键完成；
4. 登录你自己的 Google 账户；
5. 点击工具栏上的 复制到云端硬盘，会在一个新的标签页打开 notebook；

5. 通过去掉标题中的副本完成 notebook 重命名；
6. 运行代码、修改等，所有这些都会自动保存到你的个人 Google Drive。

贡献 notebooks

1. 修改后下载 Google Colab notebook 为 .ipynb 文件；

2. 转到 https://github.com/GokuMohandas/practicalAI/tree/master/notebooks ；
3. 点击 Upload files.

5. 上传这个 .ipynb 文件；
6. 写一个详细详细的提交标题和说明；
7. 适当命名你的分支；
8. 点击 Propose changes。

贡献列表

欢迎任何人参与和完善。

Notebook	译者
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