mids_machine_learning
1.0.0
Machine Learning @mids - UC Berkeley I School?
AI génératif ( DATASCI 290 )
Apprentissage automatique appliqué ( DATASCI 207 )
Cahiers de base
Cours
Cahiers
Un référentiel unifié des fragments de cours du programme UC Berkeley Mids 2022-2024. Ceci est une collection de mes soumissions d'affectation adaptées, des cahiers de travail et d'autres matériaux pertinents. Il sert à mettre en valeur l'étendue des travaux, ainsi qu'à référence personnelle.
En construction - Ajout de cahier en cours
J'ai suivi les cours de base de base suivants pendant mon séjour à Mids:
Informations sur le cours: Barebones ML, largeur des modèles
Projet de cours :? Leafydex - Classification des feuilles
Informations sur le cours: Ingénierie des données et formation du modèle avec Apache Spark
Projet de cours :? Prédiction de retard de vol américain
Informations sur le cours: modèles de réseau neuronal avec transformateurs
Projet de cours :? SnowPlough - Classification des nouvelles et analyse des préjugés
Informations sur le cours: LLMS, difussion stable, chiffons, ingénierie rapide
DATASCI 290 )| Carnet de notes | Description |
|---|---|
| Diffusion stable et validation d'image | Génération d'images multimodales et sous-titrage avec diffusers , CLIP , BLIP et Llava |
| Ingénierie rapide | Exemples d'ingénierie rapides avec Mistral7B |
| Récupération de la génération augmentée preuve de concept | Google Colab Notebook et rapport à l'aide de Mistal7B , Cohere et Qdrant pour développer un système de chiffon simple et itérer sur les performances |
DATASCI 207 )| Carnet de notes | Description |
|---|---|
| Introduction à l'apprentissage supervisé | Route vers la régression linéaire avec Generalization et calcul MSE (erreur carré moyenne) |
| Carnet de notes | Description |
|---|---|
| Pytorch Introduction | Une introduction de base aux tenseurs, classes et opérations à Pytorch |
