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 |
|---|---|---|---|
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
- 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。
贡献 notebooks
- 修改后下载 Google Colab notebook 为 .ipynb 文件；
- 转到 https://github.com/GokuMohandas/practicalAI/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。
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 |