praticeAI 是一个 AI 实战项目，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
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
-
AI 实战 - practicalAI 中文版 让你可以使用机器学习从数据中得到有价值见解。 用 PyTorch 实现基本的机器学习算法和深层神经网络。 无需任何设置，即可使用 Google Colab 在浏览器上运行。 学习面向对象的机器学习来编写产品代码，而不仅仅是教程。 Notebooks 基础 深度学习 进阶 主题 Notebooks PyTorch 高级循环神经网络 Advanced R
-
经过前面的几篇文章，Backbone中的Model, Collection，Router，View，都简单的介绍了一下，我觉得看完这几篇文章，差不多就能开始使用Backbone来做东西了，所有的项目无外乎对这几个模块的使用。不过对于实际项目经验少些的同学，要拿起来用估计会有些麻烦。因此这里就先找个现成的案例分析一下。 6.1 大家都来分析todos 关于Backbonejs实例分析的文章网上真是一
-
在前两篇文章中，我们已经对这个todos的功能、数据模型以及各个模块的实现细节进行了分析，这篇文章我们要对前面的分析进行一个整合。 首先让我们来回顾一下我们分析的流程：1. 先对页面功能进行了分析；2. 然后又分析了数据模型；3. 最后又对view的功能和代码进行了详解。你是不是觉得这个分析里面少了点什么？没错，就知道经验丰富的你已经看出来了，这里面少了对于流程的分析。这篇文章就对整体流程进行分析
-
本文向大家介绍.NET Corek中Git的常用命令及实战演练，包括了.NET Corek中Git的常用命令及实战演练的使用技巧和注意事项，需要的朋友参考一下 写在前面 上篇文章我带着大家通过分析了一遍ASP.NET Core的源码了解了它的启动过程，然后又带着大家熟悉了一遍配置文件的加载方式，最后引出了依赖注入以及控制反转的概念！如果大家把前面几张都理解了，那么你也就入了ASP.NET Core
-
看完了教程，是不是有这么一种感觉：看的时候觉得很简单，照着教程敲代码也没啥大问题。 于是准备开始独立写代码，就发现不知道从哪开始下手了。 这种情况是完全正常的。好比学写作文，学的时候觉得简单，写的时候就无从下笔了。 虽然这个教程是面向小白的零基础Python教程，但是我们的目标不是学到60分，而是学到90分。 所以，用Python写一个真正的Web App吧！ 目标 我们设定的实战目标是一个Blo
-
看完了教程，是不是有这么一种感觉：看的时候觉得很简单，照着教程敲代码也没啥大问题。 于是准备开始独立写代码，就发现不知道从哪开始下手了。 这种情况是完全正常的。好比学写作文，学的时候觉得简单，写的时候就无从下笔了。 虽然这个教程是面向小白的零基础Python教程，但是我们的目标不是学到60分，而是学到90分。 所以，用Python写一个真正的Web App吧！ 目标 我们设定的实战目标是一个Blo