Project Icon

pyprobml

提供Python 3代码,用于复现《概率机器学习:入门》和《概率机器学习:高级主题》书中的图表

pyprobml项目提供Python 3代码,用于复现《概率机器学习:入门》和《概率机器学习:高级主题》书中的图表。该项目采用numpy、scipy、matplotlib、sklearn等标准库,以及JAX、Tensorflow和Torch等深度学习框架。用户可在本地运行或通过Colab使用,适合需要高性能计算的用户也支持Google Cloud Platform。本项目目前处于维护模式,有意贡献者可查看项目官网的贡献指南。

handson-ml - Python机器学习基础与实践指南
GithubJupyterMachine LearningPythonScikit-LearnTensorFlow开源项目
该项目通过Python教授机器学习基本原理,包含《Hands-on Machine Learning with Scikit-Learn and TensorFlow》书中的示例代码和习题解答。用户可以使用Colab、Binder和Deepnote在线体验这些notebooks,或通过Anaconda在本地安装项目进行学习。详细介绍了安装步骤和常见问题解决方法,帮助用户理解和应用机器学习技术。
python-machine-learning-book-3rd-edition - Python与机器学习代码实例——从基础到高级应用
GithubPython Machine LearningTensorFlowscikit-learn开源项目数据处理机器学习
《Python Machine Learning》第三版全面覆盖了数据预处理、分类、回归、深度学习和强化学习等机器学习领域的核心概念。书中提供了Scikit-Learn和TensorFlow的代码示例,帮助读者掌握模型评估、超参数优化和集成学习等技术。本书适合初学者和进阶用户,通过代码仓库可以获得丰富的实践经验。出版信息:Packt Publishing, 2019年12月12日,ISBN-13: 978-1789955750。
probability - TensorFlow生态系统中的概率推理与统计分析工具
GithubTensorFlow Probability分布计算开源项目概率推理深度学习统计分析
TensorFlow Probability 是一个概率推理与统计分析库,作为 TensorFlow 生态系统的一部分,结合了概率方法与深度网络。其功能包括自动微分的梯度推断,以及通过 GPU 和分布式计算实现对大规模数据集和模型的可扩展性。主要组件包括概率分布、可逆变换、联合分布、概率层和多种概率推断算法,如马尔可夫链蒙特卡洛和变分推断。提供详细教程和案例,帮助用户解决实际问题。
practical-machine-learning-with-python - 实际应用中的机器学习与深度学习指南
GithubPractical Machine Learning with PythonPython开源项目数据科学机器学习深度学习
通过结构化的三层方法和实际案例,本书帮助读者掌握机器学习和深度学习技能。内容涵盖scikit-learn、pandas、tensorflow等工具,提供数据处理、特征工程、建模和部署的详细指导,以及多个跨行业的案例研究,支持独立完成端到端的机器学习项目。
ml-pen-and-paper-exercises - 机器学习经典算法笔算练习集
Github变分推断开源项目机器学习概率模型线性代数练习集
ml-pen-and-paper-exercises项目提供机器学习笔算练习题及解答,内容包括线性代数、优化、图模型和推断等主题。习题配有详细解析,适用于自学和教学。项目涵盖隐马尔可夫模型推断、变分推断和蒙特卡洛积分等专业内容。练习集在arXiv发布PDF版本,GitHub仓库开源代码。项目使用知识共享协议,支持学习和贡献。
rl-book - 强化学习理论及Python实现的教程和代码
GithubPyTorchReinforcement LearningTensorFlow开源项目理论算法
本书系统介绍强化学习,从基础理论到具体算法实现,包含基于TensorFlow和PyTorch的代码对照,实现经典和现代深度强化学习算法。提供完整数学推导和高质量代码,适合希望深入理解和应用强化学习的读者。
practicalAI-cn - PyTorch与Google Colab下的机器学习与深度学习实践
GithubGoogle ColabPyTorchpracticalAI开源项目机器学习深度学习
通过practicalAI-cn项目,任何水平的学习者都可以从基础到进阶掌握机器学习与深度学习技能。项目使用PyTorch实现核心算法,并提供多种notebooks,涵盖线性回归、卷积神经网络等多种模型。无需复杂的环境设置,可通过Google Colab直接运行,进行产品级的面向对象编程学习,助力从数据中获取有价值的见解。
pymc - Python贝叶斯统计建模与概率编程框架
GithubPyMCPython包变分推断开源项目贝叶斯统计建模马尔可夫链蒙特卡洛
PyMC是一个Python贝叶斯统计建模框架,专注于高级马尔可夫链蒙特卡洛和变分推断算法。它提供直观的模型语法、强大的采样算法和推断功能,可处理复杂模型。PyMC利用PyTensor优化计算,支持缺失值处理,并提供丰富的示例资源。作为一个灵活的概率编程工具,PyMC适用于广泛的统计建模任务。
ML-Notebooks - 机器学习笔记本资源库,支持快速搭建和扩展
Github人工智能代码示例开源项目机器学习深度学习自然语言处理
ML-Notebooks为不同的机器学习任务和应用提供了一系列精简且易于扩展的笔记本。项目整合了Codespaces技术,用户仅需几步简单配置,便可启动一个配备完整依赖项的开发环境,非常适合教育和研究使用。从基础入门到深入探索如PyTorch、GNN及GANs等前沿技术,应有尽有。
machine-learning - 机器学习与数据科学教程,深度学习、模型部署与强化学习
Githubmachine-learning开源项目强化学习时间序列模型部署深度学习
本项目持续更新,介绍了数据科学和机器学习各个主题。内容涵盖深度学习、模型部署、运筹学和强化学习等,提供Jupyter Notebook格式教程,结合Python科学栈(如numpy、pandas)和开源库(如scikit-learn、TensorFlow、PyTorch)进行教学示范,平衡数学符号与实际应用。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号