ChrysalisN/AiLearning-Theory-Applying

ML

AiLearning-Theory-Applying

快速上手Ai理论及应用实战：基础知识Basic knowledge、机器学习MachineLearning、深度学习DeepLearning2、自然语言处理BERT，持续更新中。含大量注释及数据集，力求每一位能看懂并复现。

学习章节：

• 必备数学基础Basic knowledge
  • 高等数学基础
  • 微积分
  • 泰勒公式
  • 线性代数基础
  • 随机变量
  • 概率论基础
  • 数据科学的几种分布
  • 核函数
  • 熵和激活函数
  • 回归分析
  • 假设检验
  • 相关分析
  • 方差分析
  • KMEANS算法
  • 贝叶斯分析
• 机器学习MachineLearning
  • 信用卡欺诈检测（含数据集）
  • 工业化工生产预测（含数据集）
  • 智慧城市-道路通行时间预测（含数据集）
  • 建筑能源利用率预测（含数据集）
  • 快手用户活跃预测（含数据集）
  • Indoor Location & Navigation（数据集在kaggle）
  • ACM SIGSPATIAL 2021 GISCUP-预估到达时间
  • 机器学习实战小项目（含数据集）
• 深度学习入门DeepLearning
  • 深度学习必备知识点
  • 走进深度学习的世界 神经网络模型
  • 卷积神经网络
  • 递归神经网络与词向量原理解读
  • LSTM网络架构与情感分析应用实例
• NLP通用框架BERT项目实战
  • NLP通用框架BERT原理解读
  • BERT源码解读与应用实例
  • 基于BERT的中文情感分析实战.md
• 机器学习算法原理及推导
  • 李航——统计学习方法
  • 李宏毅——异常检测

  说明

  本专题并不用于商业用途，转载请注明本专题地址，如有侵权，请务必邮件通知作者。

  如有文字、代码等遗漏或错误的地方，望不吝赐教，万分感谢。

  Email：909336740@qq.com

  License

  本文使用的许可见 LICENSE