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。
| 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 |
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。
- 在本项目的
notebooks文件夹获取 notebook； - 你可以在 Google Colab（推荐）或本地电脑运行这些 notebook；
- 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； - 登录你自己的 Google 账户；
- 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；
- 通过去掉标题中的
副本完成 notebook 重命名； - 运行代码、修改等，所有这些都会自动保存到你的个人 Google Drive。
- 修改后下载 Google Colab notebook 为 .ipynb 文件；
- 转到 https://github.com/LisonEvf/practicalAI-cn/tree/master/notebooks ；
- 点击
Upload files.
- 上传这个 .ipynb 文件；
- 写一个详细详细的提交标题和说明；
- 适当命名你的分支；
- 点击
Propose changes。
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 |