Cet article vous recommandez est appelé AI ressources d'apprentissage GitHub, rassemble la sagesse collective de plus de 30 collaborateurs.
Non plus à apprendre avant de prendre la première machine à apprendre l'anglais, et ici un ensemble de super-populaire chinois des ressources de haute qualité peuvent être sélectionnés.
On appelle cela des ressources d'apprentissage AI GitHub, rassemble la sagesse collective de plus de 30 collaborateurs, l'apprentissage de l'apprentissage machine feuille de route, vidéo, livres électroniques, l'apprentissage des suggestions chinois ont été rassemblées toutes les informations.
Ressources sur GitHub compte actuellement dix mille étoiles, les utilisateurs de micro-blogging: une bonne vie en toute sécurité.
Sans plus attendre, jetez un oeil à ce qui est là.
Beaucoup de débutants vont rencontrer ce problème: Mise en route d'apprentissage machine doit apprendre d'où?
Ces gens viennent, ledit chemin d'apprentissage en trois étapes, la première fondation de la science de l'apprentissage machine, puis saisir la profondeur de l'apprentissage des bases, et enfin apprendre la connaissance de traitement du langage naturel (PNL). Collaborateurs représentent: selon ce processus d'apprendre, vous pouvez être une grosse vache.
Apprendre une partie de base de la machine, les contributeurs de parcours d'apprentissage donné est le suivant:
Dans les 16 premiers modules d'apprentissage, version intégrée est introduit connaissances, des outils communs et des projets concrets, tels que différents types de ressources d'apprentissage. Le point dans des matériaux d'apprentissage spécifiques de est très pratique.
Par exemple, un module d'arbre de décision, d'abord introduit le concept et les scénarios principaux:
Ensuite, des informations sur des cas spécifiques et code processus de développement du projet:
Chaque module vidéo supportant également, pris ensemble mieux:
Même après l'émergence de nouvelles ressources d'apprentissage, cette méthode peut également être utilisée.
Profondeur partie fondamentale de l'apprentissage sur la base de la première partie de l'expansion continue de l'arrière-propagation, principe CNN, les principes RNN et de la connaissance LSTM quatre points:
Chaque point correspond à une connaissance du mot de messages d'introduction de la bouche, des illustrations de texte.
Apprendre le contenu de la PNL Path biaisé en faveur des applications pratiques, la catégorisation de textes, la modélisation du langage, des légendes d'images, la traduction automatique, systèmes quiz, la reconnaissance vocale, le résumé automatique de sept zones rarement, également mis en place un certain nombre d'ensembles de données connexes:
L'élimination de la nécessité de trouver un ensemble de données Boduantui problèmes.
En plus d'apprendre le chemin complet de continuer à obtenir l'autorisation, les gens peuvent trouver des informations sur la machine d'apprentissage « articles uniques » là-dedans.
Il y a vidéo mot anglais classiques articles Andrew Ng:
Comment y arriver sont des articles spéciaux de formation, etc. à choisir:
La finition d'un bon e-book, vous pouvez utiliser le PDF de téléchargement direct:
Enfin, la magie de la page et est également livré avec la mentalité de leurs propres recommandations d'apprentissage des contributeurs se sont battus.
Il semble que la ressource est suffisante pour vous depuis longtemps
GitHub Adresse:
https://github.com/apachecn/AiLearning
· Département du nombre Netease nouvelles Netease « ont l'attitude » signé
Editeur: Wen Jing Commenté par: Lin Yilinattention Tsinghua - données Académie des sciences de Qingdao plate-forme publique micro-canal officiel " données d'envoi THU « Sisters et n ° » Les données envoyées THU « Pour plus de conférences et de bien-être contenu de qualité.
