ML Notebooks
1.0.0
Repo ini berisi buku catatan pembelajaran mesin untuk berbagai tugas dan aplikasi. Notebook ini dimaksudkan untuk menjadi minimal, mudah digunakan kembali, dan dapat diperpanjang. Anda bebas menggunakannya untuk tujuan pendidikan dan penelitian.
Repo ini mendukung Codespaces!
"<> Code"
diikuti dengan opsi "Configure and create codespace"
. Pastikan untuk memilih konfigurasi wadah dev yang disediakan dengan repo ini. Ini menyiapkan lingkungan dengan semua dependensi terinstal dan siap digunakan./notebooks
. Buka terminal dan jalankan conda create --name myenv --file spec-file.txt
untuk menginstal semua perpustakaan Python termasuk PyTorch.conda activate myenv
. Anda mungkin perlu menjalankan conda init zsh
atau shell apa pun yang Anda gunakan... lalu tutup + buka kembali terminal./notebooks/bow.ipynb
. Nama | Keterangan | Buku catatan |
---|---|---|
Pengantar Grafik Komputasi | Tutorial dasar untuk mempelajari grafik komputasi | |
PyTorch Halo Dunia! | Bangun jaringan saraf sederhana dan latih | |
Pengantar Lembut tentang PyTorch | Penjelasan mendetail memperkenalkan konsep PyTorch | |
Penjelasan Kontrafaktual | Tutorial dasar untuk mempelajari penjelasan kontrafaktual untuk AI yang dapat dijelaskan | |
Regresi Linier dari Awal | Implementasi regresi linier dari awal menggunakan penurunan gradien stokastik | |
Regresi Logistik dari Awal | Implementasi regresi logistik dari awal | |
Regresi Logistik Ringkas | Implementasi singkat model regresi logistik untuk klasifikasi gambar biner. | |
Jaringan Neural Pertama - Pengklasifikasi Gambar | Buat pengklasifikasi gambar minimal menggunakan MNIST | |
Jaringan Neural dari Awal | Implementasi jaringan saraf sederhana dari awal | |
Pengantar GNN | Pengantar Jaringan Syaraf Tiruan Grafik. Menerapkan GCN dasar ke kumpulan data Cora untuk klasifikasi node. |
Nama | Keterangan | Buku catatan |
---|---|---|
Pengklasifikasi Teks Kantong Kata | Buatlah pengklasifikasi teks sekantong kata sederhana. | |
Pengklasifikasi Teks Continuous Bag of Words (CBOW). | Buatlah pengklasifikasi teks kata-kata yang berkesinambungan. | |
Pengklasifikasi Teks Kantong Kata Berkelanjutan Dalam (Deep CBOW). | Bangun pengklasifikasi teks kata-kata yang berkesinambungan. | |
Augmentasi Data Teks | Pengenalan teknik augmentasi data yang paling umum digunakan untuk teks dan penerapannya | |
Klasifikasi Emosi dengan BERT yang Diselaraskan | Klasifikasi emosi menggunakan model BERT yang disempurnakan |
Nama | Keterangan | Buku catatan |
---|---|---|
Klasifikasi Teks menggunakan Transformer | Implementasi Mekanisme Perhatian dan Penyematan Posisi pada tugas klasifikasi teks | |
Terjemahan Mesin Neural menggunakan Transformer | Implementasi Transformer untuk menerjemahkan tanggal yang dapat dibaca manusia dalam format apa pun ke format YYYY-MM-DD. | |
Fitur Transformator Tokenizer | Implementasi Feature Tokenizer Transformer pada tugas klasifikasi | |
Pengenalan Entitas Bernama menggunakan Transformer | Implementasi Transformer untuk melakukan klasifikasi token dan mengidentifikasi spesies dalam abstrak PubMed | |
Menjawab Pertanyaan Ekstraktif menggunakan Transformer | Implementasi Transformer untuk melakukan penjawaban pertanyaan ekstraktif |
Nama | Keterangan | Buku catatan |
---|---|---|
Jaringan Siam | Implementasi Jaringan Siam untuk menemukan Kesamaan Gambar | |
Encoder Otomatis Variasi | Implementasi Variational Auto Encoder untuk menghasilkan Augmentasi untuk Digit Tulisan Tangan MNIST | |
Deteksi Objek menggunakan Jendela Geser dan Piramida Gambar | Implementasi deteksi objek dasar menggunakan jendela geser dan piramida gambar di atas pengklasifikasi gambar | |
Deteksi Objek menggunakan Pencarian Selektif | Implementasi deteksi objek dasar menggunakan pencarian selektif di atas pengklasifikasi gambar |
Nama | Keterangan | Buku catatan |
---|---|---|
GAN Konvolusional Mendalam | Implementasi GAN Konvolusional Mendalam untuk menghasilkan digit MNIST | |
Wasserstein GAN dengan Penalti Gradien | Implementasi Wasserstein GAN dengan Gradient Penalty untuk menghasilkan digit MNIST | |
GAN bersyarat | Implementasi GAN Bersyarat untuk menghasilkan digit MNIST |
Nama | Keterangan | Buku catatan |
---|---|---|
LoRA BERT | Implementasi Penyempurnaan BERT menggunakan LoRA | |
LoRA BERT NER | Implementasi Penyempurnaan BERT menggunakan LoRA untuk tugas klasifikasi token | |
LoRA T5 | Implementasi Penyempurnaan T5 menggunakan LoRA | |
LoRA TinyLlama 1.1B | Implementasi Finetuning TinyLlama 1.1B menggunakan LoRA | |
QLoRA TinyLlama 1.1B | Implementasi Finetuning TinyLlama 1.1B menggunakan QLoRA | |
QLoRA Mistral 7B | Implementasi Finetuning Mistral 7B menggunakan QLoRA |
Jika Anda menemukan bug atau memiliki pertanyaan mengenai buku catatan ini, silakan buka terbitannya. Kami akan mengatasinya sesegera mungkin.
Hubungi Twitter jika Anda memiliki pertanyaan.
Harap kutip yang berikut ini jika Anda menggunakan contoh kode dalam penelitian Anda:
@misc{saravia2022ml,
title={ML Notebooks},
author={Saravia, Elvis and Rastogi, Ritvik},
journal={https://github.com/dair-ai/ML-Notebooks},
year={2022}
}