# MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod
最近在学习机器学习,深度学习,自然语言处理,统计学习方法等知识,所以决定自己将学习的相关算法用Python实现一遍,并结合GitHub上相关大牛的代码进行改进,本项目会不断的更新相关算法,欢迎star,fork和关注。
主要包括:
1.吴恩达Andrew Ng老师的机器学习课程个人笔记 Python实现,
2.deeplearning.ai(吴恩达老师的深度学习课程笔记及资源) Python实现,
3.李航《统计学习方法》 Python代码实现,
4.牛津大学xDeepMind 自然语言处理 Python代码实现,
5.LeetCode刷题,题析,分析心得笔记 Java和Python代码实现,
6.TensorFlow人工智能实践代码笔记 北京大学曹健老师课程和TensorFlow:实战Google深度学习框架(第二版) Python代码实现,
附带一些个人心得和笔记。GitHub上有很多机器学习课程的代码资源,我也准备自己实现一下,后续会更新笔记,代码和百度云网盘链接。
这个项目主要是学习算法的,并且会不断更新相关资源和代码,欢迎关注,star,fork!
Min's blog 欢迎访问我的博客主页!
(Welcome to my blog website !)https://liweimin1996.github.io/
# 1.机器学习(更新中)
吴恩达老师的机器学习课程个人笔记 Python代码实现
https://study.163.com/course/introduction/1004570029.htm
- ex1-linear regression 作业1 线性回归
有一个变量和多个变量。
- ex2-logistic regression 作业2 logistic回归
包括正则化。
- ex3-neural network 作业3 神经网络
使用两种不同的方法识别手写数字:one-vs-all逻辑回归,以及前向传播预训练的神经网络。
- ex4-NN back propagation 作业4 神经网络反向传播
构建和训练神经网络,包括反向传播,并将其用于手写数字识别。
- ex5-bias vs variance 作业5 贝叶斯和方差
包括学习曲线和多项式回归。
- ex6-SVM 作业6 支持向量机
6.1:在一些样本2D数据集上展示scikit-learn SVM,其中包含线性和高斯核函数。
6.2:使用自然语言处理和scikit-learn SVM构建电子邮件垃圾邮件分类器。
- ex7-kmeans and PCA 作业7 kmeans算法和主成分分析
7.1:构建k-means聚类算法并将其用于图像压缩。
7.2:构建PCA算法并将其用于图像压缩和可视化。
- ex8-anomaly detection and recommendation 作业8 异常检测和推荐
8.1:使用多元高斯模型进行异常检测。 Precision, recall, F1 score.
8.2:构建推荐系统并用它来推荐电影。
# 2.深度学习(更新中)
deeplearning.ai(吴恩达老师的深度学习课程笔记及资源) Python代码实现
https://mooc.study.163.com/smartSpec/detail/1001319001.htm
## 1.Neural Networks and Deep Learning 神经网络与深度学习
Week1 Introduction to deep learning 深度学习概论
Week2 Neural Networks Basics 神经网络基础
Week3 Shallow Neural networks 浅层神经网络
Week4 Deep Neural Networks 深层神经网络
## 2.Improving Deep Neural Networks 改善深层神经网络:超参数调试、正则化以及优化
Week1 Practical aspects of Deep Learning(Initialization-Regularization-Gradient Checking) 深层学习的实用
Week2 Optimization algorithms 优化算法
Week3 Hyperparameter tuning, Batch Normalization and Programming Frameworks 超参数调试&正则化&框架
## 3.Convolutional Neural Network 卷积神经网络
Week1 Foundations of Convolutional Neural Networks 卷积神经网络
Week2 Deep convolutional models: case studies 深层卷积神经网络实例探究
Week3 Object detection 目标检测
Week4 Special applications: Face recognition & Neural style transfer 特殊的应用
## 4.Sequence Models 序列模型
Week1 Recurrent Neural Networks 循环序列模型
Week2 Natural Language Processing & Word Embeddings 自然语言处理与词嵌入
Week3 Sequence models & Attention mechanism 序列模型和注意力机制
# 3.统计学习方法(更新中)
《统计学习方法》的代码实现李航老师 Python代码实现
http://vdisk.weibo.com/s/vfFpMc1YgPOr
- 第 1 章 统计学习方法概论
- 第 2 章 感知机 [感知机代码-原始形式] [感知机代码-对偶形式]
- 第 3 章 k近邻算法 [k近邻代码] [kd树简化版代码] [kd树完整版代码] [错误kd树代码]
- 第 4 章 朴素贝叶斯法
- 第 5 章 决策树
- 第 6 章 逻辑斯谛回归与最大熵模型
- 第 7 章 支持向量机
- 第 8 章 提升方法 [AdaBoost代码]
- 第 9 章 EM算法及其推广
- 第 10 章 隐马尔科夫模型
- 第 11 章 条件随机场
- 第 12 章 统计学习方法总结
# 4.自然语言处理(更新中)
我最近在上这门课程,所以也顺便学习一下。
牛津大学xDeepMind 自然语言处理
https://study.163.com/course/introduction/1004336028.htm
# 5.LeetCode刷题,题析,分析心得笔记 (更新中)
https://github.com/soulmachine/leetcode
这位作者写的十分好,我也会部分参考TA的思路和答案
# 6.TensorFlow人工智能实践代码笔记(更新中)
北京大学曹健老师课程和TensorFlow:实战Google深度学习框架(第二版) Python代码实现
- 第一讲概述
- 第二讲python的常用语法
- 第三讲神经网络的搭建八股
- 第四讲神经网络的优化
- 第五讲实践前向传播和反向传播
- 第六讲手写数字图片输出识别
- 第七讲卷积神经网络
- 第八讲卷积神经网络实践
# 普通程序员如何正确学习人工智能方向的知识?
## 第一步:复习线性代数。
懒得看书就直接用了著名的麻省理工公开课:线性代数,深入浅出效果拔群,以后会用到的SVD、希尔伯特空间等都有介绍;
http://open.163.com/special/opencourse/daishu.html
## 入门机器学习算法。
还是因为比较懒,也就直接用了著名的斯坦福大学公开课 :机器学习课程,吴恩达教授的老版cs229的视频,讲的非常细(算法的目标->数学推演->伪代码)。这套教程唯一的缺点在于没有介绍最近大火的神经网络,但其实这也算是优点,让我明白了算法都有各自的应用领域,并不是所有问题都需要用神经网络来解决;
http://open.163.com/special/opencourse/machinelearning.html
多说一点,这个课程里详细介绍的内容有:一般线性模型、高斯系列模型、SVM理论及实现、聚类算法以及EM算法的各种相关应用、PCA/ICA、学习理论、马尔可夫系列模型。课堂笔记在:CS 229: Machine Learning (Course handouts),同样非常详细。
http://cs229.stanford.edu/materials.html
## 第三步:尝试用代码实现算法。
继续直接使用了著名的——机器学习 | Coursera ,还是吴恩达教授的课程,只不过这个是极简版的cs229,几乎就是教怎么在matlab里快速实现一个模型(这套教程里有神经网络基本概念及实现)。这套课程的缺点是难度比较低,推导过程非常简略,但是这也是它的优点——让我专注于把理论转化成代码。
https://www.coursera.org/learn/machine-learning/home/welcome
## 第四步:自己实现功能完整的模型——进行中。
还是因为比较懒,搜到了cs231n的课程视频 CS231n Winter 2016 - YouTube ,李飞飞教授的课,主讲还有Andrej Karpathy和Justin Johnson,主要介绍卷积神经网络在图像识别/机器视觉领域的应用(前面神经网络的代码没写够?这门课包你嗨到爆~到处都是从零手写~)。这门课程的作业就更贴心了,直接用Jupyter Notebook布置的,可以本地运行并自己检查错误。主要使用Python以及Python系列的科学计算库(Scipy/Nump
没有合适的资源?快使用搜索试试~ 我知道了~
精品--最近在学习机器学习,深度学习,自然语言处理,统计学习方法等知识,所以决定自己将学习的相关算法用Pytho.zip
共13个文件
md:7个
txt:2个
py:2个
需积分: 5 0 下载量 186 浏览量
2024-02-05
17:53:42
上传
评论
收藏 714KB ZIP 举报
温馨提示
精品--最近在学习机器学习,深度学习,自然语言处理,统计学习方法等知识,所以决定自己将学习的相关算法用Pytho
资源推荐
资源详情
资源评论
收起资源包目录
精品--最近在学习机器学习,深度学习,自然语言处理,统计学习方法等知识,所以决定自己将学习的相关算法用Pytho.zip (13个子文件)
ahao2
深度学习 吴恩达 Python代码实现
README.md 9KB
机器学习 吴恩达 Python代码实现
ex2-logistic regression 作业2 logistic回归
ex2.pdf 228KB
ex1-linear regression 作业1 线性回归
linear_regreesion.py 5KB
ex1data1.txt 1KB
ex1data2.txt 657B
ex1.pdf 478KB
linear_regreesion_pro.py 6KB
README.md 4KB
TensorFlow实践 Google Python代码实现
README.md 11KB
LeetCode刷题,题析,分析心得笔记
README.md 9KB
README.md 13KB
自然语言处理 DeepMind Python代码实现
README.md 9KB
统计学习方法 李航 Python代码实现
README.md 9KB
共 13 条
- 1
资源评论
码农阿豪
- 粉丝: 1w+
- 资源: 1754
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功