热门
导航
快讯
推荐文章
热门
导航
快讯
推荐文章
#Supervised Learning
ML-From-Scratch
本项目使用Python从零实现多个机器学习模型与算法,旨在展示其内部运作。涵盖监督学习、非监督学习、强化学习和深度学习,并提供多项式回归、CNN分类、生成对抗网络等实际案例,适合希望深入理解机器学习原理的开发者和爱好者。
Deep-Learning-Experiments
本页面介绍2023版深度学习实验课程,包括理论与实践内容。涵盖监督学习、多层感知器、优化、正则化、卷积神经网络、变压器、自编码器、生成对抗网络和大型语言模型等主题,并提供开发环境、Python、Numpy、PyTorch及Gradio的实践指南。所有文档和代码示例在GitHub上提供,帮助学习者掌握深度学习技术。
annotated_research_papers
提供逐行注释的研究论文资源,帮助读者轻松理解复杂论文内容。适合机器学习研究人员和工程师使用,涵盖计算机视觉、自然语言处理与深度学习等领域,同时附有代码链接,方便获取详细注释和专业解读。
相关文章
ML-From-Scratch:从零开始实现机器学习算法
1 个月前
探索AI论文世界:annotated_research_papers项目深度解析
24 天前
使用协议
隐私政策
广告服务
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