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；

6. 通过去掉标题中的副本完成 notebook 重命名；

7. 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/LisonEvf/practicalAI-cn/tree/master/notebooks ；

3. 点击 Upload files.

4. 上传这个 .ipynb 文件；

5. 写一个详细详细的提交标题和说明；

6. 适当命名你的分支；

7. 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|||