组织构建
第三方站长
地址A: xxx (欢迎留言,我们完善补充)
docker pull apachecn0/ailearning
docker run -tid -p <port>:80 apachecn0/ailearning
# 访问 http://localhost:{port} 查看文档
pip install apachecn-ailearning
apachecn-ailearning <port>
# 访问 http://localhost:{port} 查看文档
npm install -g ailearning
ailearning <port>
# 访问 http://localhost:{port} 查看文档
apachecn@163.com
一种新技术一旦开始流行,你要么坐上压路机,要么成为铺路石。——Stewart Brand
补充
支持版本
Version | Supported |
---|---|
3.6.x |
|
2.7.x |
|
注意事项:
模块 | 章节 | 类型 | 负责人(GitHub) | |
---|---|---|---|---|
机器学习实战 | 第 1 章: 机器学习基础 | 介绍 | @毛红动 | 1306014226 |
机器学习实战 | 第 2 章: KNN 近邻算法 | 分类 | @尤永江 | 279393323 |
机器学习实战 | 第 3 章: 决策树 | 分类 | @景涛 | 844300439 |
机器学习实战 | 第 4 章: 朴素贝叶斯 | 分类 | @wnma3mz @分析 |
1003324213 244970749 |
机器学习实战 | 第 5 章: Logistic回归 | 分类 | @微光同尘 | 529925688 |
机器学习实战 | 第 6 章: SVM 支持向量机 | 分类 | @王德红 | 934969547 |
网上组合内容 | 第 7 章: 集成方法(随机森林和 AdaBoost) | 分类 | @片刻 | 529815144 |
机器学习实战 | 第 8 章: 回归 | 回归 | @微光同尘 | 529925688 |
机器学习实战 | 第 9 章: 树回归 | 回归 | @微光同尘 | 529925688 |
机器学习实战 | 第 10 章: K-Means 聚类 | 聚类 | @徐昭清 | 827106588 |
机器学习实战 | 第 11 章: 利用 Apriori 算法进行关联分析 | 频繁项集 | @刘海飞 | 1049498972 |
机器学习实战 | 第 12 章: FP-growth 高效发现频繁项集 | 频繁项集 | @程威 | 842725815 |
机器学习实战 | 第 13 章: 利用 PCA 来简化数据 | 工具 | @廖立娟 | 835670618 |
机器学习实战 | 第 14 章: 利用 SVD 来简化数据 | 工具 | @张俊皓 | 714974242 |
机器学习实战 | 第 15 章: 大数据与 MapReduce | 工具 | @wnma3mz | 1003324213 |
Ml项目实战 | 第 16 章: 推荐系统(已迁移) | 项目 | 推荐系统(迁移后地址) | |
第一期的总结 | 2017-04-08: 第一期的总结 | 总结 | 总结 | 529815144 |
当然我知道,第一句就会被吐槽,因为科班出身的人,不屑的吐了一口唾沫,说傻X,还评论 Andrew Ng 的视频。。
我还知道还有一部分人,看 Andrew Ng 的视频就是看不懂,那神秘的数学推导,那迷之微笑的英文版的教学,我何尝又不是这样走过来的?? 我的心可能比你们都痛,因为我在网上收藏过上10部《机器学习》相关视频,外加国内本土风格的教程: 7月+小象 等等,我都很难去听懂,直到有一天,被一个百度的高级算法分析师推荐说: 《机器学习实战》还不错,通俗易懂,你去试试??
我试了试,还好我的Python基础和调试能力还不错,基本上代码都调试过一遍,很多高大上的 "理论+推导",在我眼中变成了几个 "加减乘除+循环",我想这不就是像我这样的程序员想要的入门教程么?
很多程序员说机器学习 TM 太难学了,是的,真 TM 难学,我想最难的是: 没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解!!
最近几天,GitHub 涨了 300颗 star,加群的200人, 现在还在不断的增加++,我想大家可能都是感同身受吧!
很多想入门新手就是被忽悠着收藏收藏再收藏,但是最后还是什么都没有学到,也就是"资源收藏家",也许新手要的就是 MachineLearning(机器学习) 学习路线图。没错,我可以给你们的一份,因为我们还通过视频记录下来我们的学习过程。水平当然也有限,不过对于新手入门,绝对没问题,如果你还不会,那算我输!!
视频怎么看?
【免费】数学教学视频 - 可汗学院 入门篇
概率 | 统计 | 线性代数 |
---|---|---|
可汗学院(概率) | 可汗学院(统计学) | 可汗学院(线性代数) |
机器学习视频 - ApacheCN 教学版
AcFun | B站 |
优酷 | 网易云课堂 |
【免费】机器/深度学习视频 - 吴恩达
机器学习 | 深度学习 |
---|---|
吴恩达机器学习 | 神经网络和深度学习 |
支持版本
Version | Supported |
---|---|
3.6.x |
|
2.7.x |
|
-- 待更新
-- 待更新
目录结构:
切分(分词)
词性标注
命名实体识别
句法分析
WordNet可以被看作是一个同义词词典
词干提取(stemming)与词形还原(lemmatization)
TensorFlow 2.0学习网址
支持版本
Version | Supported |
---|---|
3.6.x |
|
2.7.x |
|
学习过程中-内心复杂的变化!!!
自从学习NLP以后,才发现国内与国外的典型区别:
1. 对资源的态度是完全相反的:
1) 国内: 就好像为了名气,举办工作装逼的会议,就是没有干货,全部都是象征性的PPT介绍,不是针对在做的各位
2)国外: 就好像是为了推动nlp进步一样,分享者各种干货资料和具体的实现。(特别是: python自然语言处理)
2. 论文的实现:
1) 各种高大上的论文实现,却还是没看到一个像样的GitHub项目!(可能我的搜索能力差了点,一直没找到)
2)国外就不举例了,我看不懂!
3. 开源的框架
1)国外的开源框架: tensorflow/pytorch 文档+教程+视频(官方提供)
2) 国内的开源框架: 额额,还真举例不出来!但是牛逼吹得不比国外差!(MXNet虽然有众多国人参与开发,但不能算是国内开源框架。基于MXNet的动手学深度学习(http://zh.d2l.ai & https://discuss.gluon.ai/t/topic/753)中文教程,已经由沐神(李沐)以及阿斯顿·张讲授录制,公开发布(文档+第一季教程+视频)。)
每一次深入都要去翻墙,每一次深入都要Google,每一次看着国内的说: 哈工大、讯飞、中科大、百度、阿里多牛逼,但是资料还是得国外去找!
有时候真的挺恨的!真的有点瞧不起自己国内的技术环境!
当然谢谢国内很多博客大佬,特别是一些入门的Demo和基本概念。【深入的水平有限,没看懂】
第一部分 入门介绍
第二部分 机器翻译
第三部分 篇章分析
第四部分 UNIT-语言理解与交互技术
文本分类是指标记句子或文档,例如电子邮件垃圾邮件分类和情感分析。
下面是一些很好的初学者文本分类数据集。
有关更多信息,请参阅帖子:单标签文本分类的数据集。
情感分析
比赛地址: https://www.kaggle.com/c/word2vec-nlp-tutorial
通过AUC 来评估模型的效果
语言建模涉及开发一种统计模型,用于预测句子中的下一个单词或一个单词中的下一个单词。它是语音识别和机器翻译等任务中的前置任务。
它是语音识别和机器翻译等任务中的前置任务。
下面是一些很好的初学者语言建模数据集。
新词发现
句子相似度识别
文本纠错
mage字幕是为给定图像生成文本描述的任务。
下面是一些很好的初学者图像字幕数据集。
机器翻译是将文本从一种语言翻译成另一种语言的任务。
下面是一些很好的初学者机器翻译数据集。
机器翻译
问答是一项任务,其中提供了一个句子或文本样本,从中提出问题并且必须回答问题。
下面是一些很好的初学者问题回答数据集。
数据集: 我如何获得问答网站的语料库,如Quora或Yahoo Answers或Stack Overflow来分析答案质量?
语音识别是将口语的音频转换为人类可读文本的任务。
下面是一些很好的初学者语音识别数据集。
文档摘要是创建较大文档的简短有意义描述的任务。
下面是一些很好的初学者文档摘要数据集。
文档理解会议(DUC)任务。在哪里可以找到用于文本摘要的良好数据集?
命名实体识别
文本摘要
如果您希望更深入,本节提供了其他数据集列表。
欢迎贡献者不断的追加
最近无意收到群友推送的链接,发现得到大佬高度的认可,并在热心的推广
在此感谢:
在吴恩达老师DL系列课程的学习过程中,跟随做的一些小练习,在看懂别人代码基础上,整理的一些小笔记。 源代码参考:https://blog.csdn.net/u013733326/article/details/79767169 DL中的列表、元组与字典 在DL的算法中,需要将一些参数存储起来,方便在下一次的前向传播与反向传播过程中,直接调用。 据观察,参考代码中,常常将存储变量定义为列表、元组