Beranda>Terkait pemrograman>Kode Sumber AI
Unduh

Daftar semua materi pembelajaran terkait AI dan alat praktis untuk memulai aplikasi AI

Design Thinking – Sebuah Pengantar

  • Kursus Singkat virtual Stanford dalam Design Thinking

Materi Pembelajaran Layanan Web Amazon

  • Sesi AWS AI– Sesi ini memberikan gambaran umum tentang semua penawaran teknologi Amazon AI (Lex, Polly, Rekognition, ML, dan Deep Learning AMI)

Lab Mandiri

Lab mandiri AWS memberikan praktik langsung di lingkungan AWS langsung dengan layanan AWS dan skenario cloud dunia nyata. Ikuti petunjuk langkah demi langkah untuk mempelajari layanan, mempraktikkan kasus penggunaan, atau mempersiapkan AWS Certification.

Laboratorium Pengantar

  • Pengantar AWS Lambda

Lex

  • Pengantar Amazon Lex
  • Webinar Amazon Lex
  • Amazon Lex: antarmuka percakapan AWS (bot obrolan)
  • Dokumentasi

Polly

  • Pengantar Amazon Polly
  • Webinar Amazon Polly -
  • Amazon Polly – Layanan AWS Text To Speech (TTS).
  • Dokumentasi
    • Apa itu Amazon Polly?
    • Sumber Daya Pengembang

Pengakuan

  • Pengantar Pengakuan Amazon
  • Amazon Rekognition - Webinar Analisis Gambar Berbasis Pembelajaran Mendalam
  • Amazon Rekognition – Layanan pengenalan gambar AWS
  • Dokumentasi – Apa itu Pengakuan Amazon?

Pembelajaran Mesin

  • Pembelajaran Mesin

  • Sesi 1 – Memberdayakan Pengembang untuk Membangun Aplikasi Cerdas

  • Sesi 2 - Memprediksi Churn Pelanggan dengan Amazon Machine Learning

  • AWS Machine Learning – Layanan terkelola ujung ke ujung untuk membuat dan menguji model ML, lalu menerapkan model tersebut ke dalam produksi

  • Dokumentasi

    • Apa itu Pembelajaran Mesin Amazon?
    • Sumber Daya Pengembang

  • AWS Deep Learning AMI – Amazon Machine Image (AMI) dioptimalkan untuk upaya pembelajaran mendalam

Sumber Daya Tambahan yang Direkomendasikan

Tingkatkan keterampilan Anda ke tingkat berikutnya dengan laboratorium tingkat dasar, lanjutan, dan ahli.

  • Membuat Instans Amazon EC2 dengan Microsoft Windows
  • Membangun Amazon Virtual Private Cloud (VPC) Pertama Anda
  • Bekerja dengan AWS CodeCommit di Windows
  • Bekerja dengan Amazon DynamoDB

Google Cloud - Materi Pembelajaran

Di bawah ini adalah materi pembelajaran yang akan membantu Anda mempelajari Google Cloud.

Jaringan

  • Jaringan 101 – 43 menit

Codelab ini memberikan pengalaman umum bagi developer cloud sebagai berikut:

  • Siapkan lingkungan lab Anda dan pelajari cara bekerja dengan lingkungan GCP Anda.
  • Penggunaan alat sumber terbuka umum untuk menjelajahi jaringan Anda di seluruh dunia.
  • Menerapkan kasus penggunaan umum: penggunaan HTTP Load Balancing dan Managed Instance Groups untuk menghosting server web multi-wilayah yang skalabel.
  • Menguji dan memantau jaringan dan instans Anda.
  • Pembersihan.

Mengembangkan Solusi untuk Google Cloud Platform – 8 jam

Infrastruktur

  • Membangun Slack Bot dengan Node.js di Kubernotes – 43 menit
  • Membuat Mesin Virtual – 10 menit
  • Memulai App Engine (Python) – 13 menit

Data

  • Pengantar Persiapan Data Google Cloud – 7 menit
  • Membuat database MySQL Terkelola dengan Cloud SQL – 19 menit
  • Unggah Objek ke Cloud Storage – 11 menit

AI, Data Besar & Pembelajaran Mesin

  • Pengantar Pembelajaran Mesin Google Cloud – 1 jam
  • API Pembelajaran Mesin dengan Contoh – 30 menit
  • Dasar-dasar Big Data dan Machine Learning Google Cloud Platform

Materi AI Tambahan

  • Luar biasa otomatis: Ilmu Data Tingkat Lanjut di Google Cloud Platform – 45 menit
  • Jalankan Pipeline Pemrosesan Teks Big Data di Cloud Dataflow – 21 menit
  • Klasifikasi Gambar Menggunakan Cloud ML Engine & Datalab – 58 mnt
  • Regresi Data Terstruktur Menggunakan Cloud ML Engine & Datalab – 58 mnt

(Opsional) Pembelajaran Mendalam & Tensorflow

  • Tensorflow dan Tutorial Pembelajaran Mendalam – 2:35 jam
  • Kursus Pembelajaran Mendalam – hanya untuk pengguna tingkat lanjut

Bahan Referensi Tambahan

  • Big Data & Machine Learning @ Google Cloud Next '17 - Kumpulan 49 video

Materi Pembelajaran IBM Watson

(Kontribusi diterima di ruang ini)

  • Ikhtisar IBM Watson
  • API Kognitif IBM Watson
  • Studio Pengetahuan IBM Watson

Studio Visual

Kumpulan data UCI

Materi Pembelajaran Bot Obrolan Microsoft

Prasyarat Keterampilan

  • Git dan Github
  • NodeJS
  • VS Kode IDE

Jalur Pelatihan

Jika Anda memiliki keterampilan Prasyarat di atas, maka ambil Jalur Pelatihan Lanjutan atau ambil Jalur Pelatihan Pemula.

Tutorial Prasyarat

  • Git dan Github
  • Node.js
    • Tutorial Node.js untuk Pemula
    • Tutorial Node.js dalam Kode VS
  • Pengantar Kode Visual Studio

Jalur Pelatihan Pemula

Pengaturan Lingkungan

  • Unduh dan Instal Git
  • Siapkan Akun GitHub_
  • Unduh dan Instal NodeJS
  • Unduh dan Instal IDE - Kode Visual Studio
  • Unduh dan Instal Emulator Kerangka Bot
  • Git mengkloning proyek Bot Education - git clone
  • Siapkan Akun Uji Coba Gratis Azure

Layanan Kognitif (Mendefinisikan Kecerdasan)

  • Baca Dek Pendidikan ADS Layanan Kognitif – git clone
  • Tinjau panduan untuk Memahami Bahasa Alami dengan LUIS
  • Selesaikan Lab Pelatihan NLP (LUIS) dari proyek Bot Education yang terinstal – bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md

Kerangka Bot (Membangun Bot Obrolan)

  • Baca Dek Pendidikan ADS Kerangka Bot dari unduhan - (Jalur Anda)bot-ekstra
  • Tinjau dokumentasi Bot Framework (Konsep Inti, Pembuat Bot untuk NodeJS, dan Kecerdasan Bot) -
  • Siapkan lingkungan lokal dan jalankan emulator dari proyek Bot Education yang diinstal – bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md
  • Tinjau dan uji di emulator “bot-hello” dari bot-educationStudent-ResourcesBOTsNodebot-hello

Jalur Pelatihan Lanjutan

Pengaturan Lingkungan

  • Unduh dan Instal Git
  • Siapkan Akun GitHub_
  • Unduh dan Instal NodeJS
  • Unduh dan Instal IDE - Kode Visual Studio
  • Unduh dan Instal Emulator Kerangka Bot
  • Git mengkloning proyek Bot Education - git clone
  • Siapkan Akun Uji Coba Gratis Azure
  • Git mengkloning Sampel Pembuat Bot – git clone

Layanan Kognitif (Mendefinisikan Kecerdasan)

  • Baca Dek Pendidikan ADS Layanan Kognitif – git clone
  • Tinjau panduan untuk Memahami Bahasa Alami dengan LUIS

Kerangka Bot (Membangun Bot Obrolan)

  • Baca Dek Pendidikan ADS Kerangka Bot dari unduhan - (Jalur Anda)bot-ekstra
  • Tinjau dokumentasi Bot Framework (Konsep Inti, Pembuat Bot untuk NodeJS, dan Kecerdasan Bot) -
  • Siapkan lingkungan lokal dan jalankan emulator dari proyek Bot Education yang diinstal – bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md

Layanan Kognitif (Mendefinisikan Kecerdasan) - Labs

  • Selesaikan Lab Pelatihan NLP (LUIS) dari proyek BOT Education yang diinstal
    • bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md
  • Tinjau, Terapkan, dan jalankan sampel LUIS BOT

Kerangka Bot (Membangun Bot Obrolan) – Labs

  • Siapkan lingkungan lokal dan jalankan emulator dari proyek Bot Education yang diinstal
    • bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md
  • Tinjau dan uji di emulator “bot-halo” dari
    • bot-educationStudent-ResourcesBOTsNodebot-halo
  • Tinjau dan uji di emulator “pengenal bot” dari
    • bot-educationStudent-ResourcesBOTsNodebot-recognizer

Video Kuliah

<title></title> <skrip src="js/navigation.js"></skrip>

Sumber Berkeley

Judul Kuliah Pengajar Semester
Kuliah 1 Perkenalan Dan Klein Musim Gugur 2012
Kuliah 2 Pencarian Tanpa Informasi Dan Klein Musim Gugur 2012
Kuliah 3 Pencarian Informasi Dan Klein Musim Gugur 2012
Kuliah 4 Kendala Masalah Kepuasan I Dan Klein Musim Gugur 2012
Kuliah 5 Kendala Masalah Kepuasan II Dan Klein Musim Gugur 2012
Kuliah 6 Pencarian Musuh Dan Klein Musim Gugur 2012
Kuliah 7 Expectimax dan Utilitas Dan Klein Musim Gugur 2012
Kuliah 8 Proses Keputusan Markov I Dan Klein Musim Gugur 2012
Kuliah 9 Proses Keputusan Markov II Dan Klein Musim Gugur 2012
Kuliah 10 Pembelajaran Penguatan I Dan Klein Musim Gugur 2012
Kuliah 11 Pembelajaran Penguatan II Dan Klein Musim Gugur 2012
Kuliah 12 Kemungkinan Pieter Abbeel Musim semi 2014
Kuliah 13 Model Markov Pieter Abbeel Musim semi 2014
Kuliah 14 Model Markov Tersembunyi Dan Klein Musim Gugur 2013
Kuliah 15 Penerapan HMM / Pidato Pieter Abbeel Musim semi 2014
Kuliah 16 Jaring Bayes: Representasi Pieter Abbeel Musim semi 2014
Kuliah 17 Jaring Bayes: Kemerdekaan Pieter Abbeel Musim semi 2014
Kuliah 18 Jaring Bayes: Inferensi Pieter Abbeel Musim semi 2014
Kuliah 19 Jaring Bayes: Pengambilan Sampel Pieter Abbeel Musim Gugur 2013
Kuliah 20 Diagram Keputusan / Nilai Informasi Sempurna Pieter Abbeel Musim semi 2014
Kuliah 21 Pembelajaran Mesin: Naive Bayes Nicholas Hay Musim semi 2014
Kuliah 22 Pembelajaran Mesin: Perceptron Pieter Abbeel Musim semi 2014
Kuliah 23 Pembelajaran Mesin: Kernel dan Pengelompokan Pieter Abbeel Musim semi 2014
Kuliah 24 Aplikasi Tingkat Lanjut: NLP, Game, dan Mobil Robot Pieter Abbeel Musim semi 2014
Kuliah 25 Aplikasi Tingkat Lanjut: Visi Komputer dan Robotika Pieter Abbeel Musim semi 2014

Selain itu, terdapat tambahan video Langkah-demi-Langkah yang melengkapi materi perkuliahan. Video-video ini tercantum di bawah ini:

Judul Kuliah Pengajar Catatan
SBS-1 DFS dan BFS Pieter Abbeel Lec: Pencarian Tanpa Informasi
SBS-2 A* Pencarian Pieter Abbeel Lec: Pencarian Informasi
SBS-3 Pemangkasan Alfa-Beta Pieter Abbeel Lec: Pencarian Musuh
SBS-4 D-Pemisahan Pieter Abbeel Lec: Bayes' Nets: Kemerdekaan
SBS-5 Eliminasi Satu Variabel Pieter Abbeel Lec: Jaring Bayes: Inferensi
SBS-6 Eliminasi Variabel Pieter Abbeel Lec: Jaring Bayes: Inferensi
SBS-7 Contoh Pieter Abbeel Lec: Jaring Bayes: Pengambilan Sampel
SBS-8 Kemungkinan Maksimum Pieter Abbeel Lec: Pembelajaran Mesin: Naive Bayes
SBS-9 Penghalusan Laplace Pieter Abbeel Lec: Pembelajaran Mesin: Naive Bayes
SBS-10 Perceptron Pieter Abbeel Lec: Pembelajaran Mesin: Perceptron



******************

Arsip Video Per Semester (Berkeley)

Video ceramah dari persembahan terbaru diposting di bawah.

Video Kuliah Musim Semi 2014
Video Kuliah Musim Gugur 2013
Video Kuliah Musim Semi 2013
Video Kuliah Musim Gugur 2012

Musim semi 2014

Judul Kuliah Pengajar Catatan
Kuliah 1 Perkenalan Pieter Abbeel
Kuliah 2 Pencarian Tanpa Informasi Pieter Abbeel
Kuliah 3 Pencarian Informasi Pieter Abbeel
Kuliah 4 Kendala Masalah Kepuasan I Pieter Abbeel Rekaman agak tidak stabil, lihat Kuliah 4 Musim Gugur 2013 untuk alternatifnya
Kuliah 5 Kendala Masalah Kepuasan II Pieter Abbeel
Kuliah 6 Pencarian Musuh Pieter Abbeel
Kuliah 7 Expectimax dan Utilitas Pieter Abbeel
Kuliah 8 Proses Keputusan Markov I Pieter Abbeel
Kuliah 9 Proses Keputusan Markov II Pieter Abbeel
Kuliah 10 Pembelajaran Penguatan I Pieter Abbeel
Kuliah 11 Pembelajaran Penguatan II Pieter Abbeel
Kuliah 12 Kemungkinan Pieter Abbeel
Kuliah 13 Model Markov Pieter Abbeel
Kuliah 14 Model Markov Tersembunyi Pieter Abbeel Perekaman agak tidak stabil, lihat Kuliah 18 Musim Gugur 2013 untuk alternatifnya
Kuliah 15 Penerapan HMM / Pidato Pieter Abbeel
Kuliah 16 Jaring Bayes: Representasi Pieter Abbeel
Kuliah 17 Jaring Bayes: Kemerdekaan Pieter Abbeel
Kuliah 18 Jaring Bayes: Inferensi Pieter Abbeel
Kuliah 19 Jaring Bayes: Pengambilan Sampel Pieter Abbeel Tidak tercatat, lihat Kuliah 16 Musim Gugur 2013
Kuliah 20 Diagram Keputusan / Nilai Informasi Sempurna Pieter Abbeel
Kuliah 21 Pembelajaran Mesin: Naive Bayes Nicholas Hay
Kuliah 22 Pembelajaran Mesin: Perceptron Pieter Abbeel
Kuliah 23 Pembelajaran Mesin: Kernel dan Pengelompokan Pieter Abbeel
Kuliah 24 Aplikasi Tingkat Lanjut: NLP, Game, dan Mobil Robot Pieter Abbeel
Kuliah 25 Aplikasi Tingkat Lanjut: Visi Komputer dan Robotika Pieter Abbeel
Kuliah 26 Kesimpulan Pieter Abbeel Tidak tercatat


******************

Musim Gugur 2013

Judul Kuliah Pengajar Catatan
Kuliah 1 Perkenalan Dan Klein
Kuliah 2 Pencarian Tanpa Informasi Dan Klein
Kuliah 3 Pencarian Informasi Dan Klein
Kuliah 4 Kendala Masalah Kepuasan I Dan Klein
Kuliah 5 Kendala Masalah Kepuasan II Dan Klein
Kuliah 6 Pencarian Musuh Dan Klein
Kuliah 7 Expectimax dan Utilitas Dan Klein
Kuliah 8 Proses Keputusan Markov I Dan Klein
Kuliah 9 Proses Keputusan Markov II Dan Klein
Kuliah 10 Pembelajaran Penguatan I Dan Klein
Kuliah 11 Pembelajaran Penguatan II Dan Klein
Kuliah 12 Kemungkinan Pieter Abbeel
Kuliah 13 Jaring Bayes: Representasi Pieter Abbeel
Kuliah 14 Jaring Bayes: Kemerdekaan Dan Klein
Kuliah 15 Jaring Bayes: Inferensi Pieter Abbeel
Kuliah 16 Jaring Bayes: Pengambilan Sampel Pieter Abbeel
Kuliah 17 Diagram Keputusan / Nilai Informasi Sempurna Pieter Abbeel
Kuliah 18 Model Markov Tersembunyi Dan Klein
Kuliah 19 Penerapan HMM / Pidato Dan Klein
Kuliah 20 Pembelajaran Mesin: Naive Bayes Dan Klein
Kuliah 21 Pembelajaran Mesin: Perceptron Dan Klein
Kuliah 22 Pembelajaran Mesin: Kernel dan Pengelompokan Pieter Abbeel
Kuliah 23 Pembelajaran Mesin: Pohon Keputusan dan Jaringan Syaraf Tiruan Pieter Abbeel
Kuliah 24 Aplikasi Tingkat Lanjut: NLP dan Mobil Robot Dan Klein Tidak tercatat, lihat Kuliah Musim Semi 2013 24
Kuliah 25 Aplikasi Tingkat Lanjut: Visi Komputer dan Robotika Pieter Abbeel
Kuliah 26 Kesimpulan Dan Klein,
Pieter Abbeel		 Tidak tercatat

******************

Musim semi 2013

Judul Kuliah Pengajar Catatan
Kuliah 1 Perkenalan Pieter Abbeel Video Turun
Kuliah 2 Pencarian Tanpa Informasi Pieter Abbeel
Kuliah 3 Pencarian Informasi Pieter Abbeel
Kuliah 4 Kendala Masalah Kepuasan I Pieter Abbeel
Kuliah 5 Kendala Masalah Kepuasan II Pieter Abbeel Tidak tercatat, lihat Kuliah 5 Musim Gugur 2012
Kuliah 6 Pencarian Musuh Pieter Abbeel
Kuliah 7 Expectimax dan Utilitas Pieter Abbeel
Kuliah 8 Proses Keputusan Markov I Pieter Abbeel
Kuliah 9 Proses Keputusan Markov II Pieter Abbeel
Kuliah 10 Pembelajaran Penguatan I Pieter Abbeel
Kuliah 11 Pembelajaran Penguatan II Pieter Abbeel
Kuliah 12 Kemungkinan Pieter Abbeel
Kuliah 13 Jaring Bayes: Representasi Pieter Abbeel
Kuliah 14 Jaring Bayes: Kemerdekaan Pieter Abbeel
Kuliah 15 Jaring Bayes: Inferensi Pieter Abbeel
Kuliah 16 Jaring Bayes: Pengambilan Sampel Pieter Abbeel
Kuliah 17 Diagram Keputusan / Nilai Informasi Sempurna Pieter Abbeel
Kuliah 18 Model Markov Tersembunyi Pieter Abbeel
Kuliah 19 Penerapan HMM / Pidato Pieter Abbeel
Kuliah 20 Pembelajaran Mesin: Naive Bayes Pieter Abbeel
Kuliah 21 Pembelajaran Mesin: Perceptron I Nicholas Hay
Kuliah 22 Pembelajaran Mesin: Perceptron II Pieter Abbeel
Kuliah 23 Pembelajaran Mesin: Kernel dan Pengelompokan Pieter Abbeel
Kuliah 24 Aplikasi Tingkat Lanjut: NLP dan Mobil Robot Pieter Abbeel
Kuliah 25 Aplikasi Tingkat Lanjut: Visi Komputer dan Robotika Pieter Abbeel
Kuliah 26 Kesimpulan Pieter Abbeel Tidak tercatat

******************

Musim Gugur 2012

Judul Kuliah Pengajar Catatan
Kuliah 1 Perkenalan Dan Klein
Kuliah 2 Pencarian Tanpa Informasi Dan Klein
Kuliah 3 Pencarian Informasi Dan Klein
Kuliah 4 Kendala Masalah Kepuasan I Dan Klein
Kuliah 5 Kendala Masalah Kepuasan II Dan Klein
Kuliah 6 Pencarian Musuh Dan Klein
Kuliah 7 Expectimax dan Utilitas Dan Klein
Kuliah 8 Proses Keputusan Markov I Dan Klein
Kuliah 9 Proses Keputusan Markov II Dan Klein
Kuliah 10 Pembelajaran Penguatan I Dan Klein
Kuliah 11 Pembelajaran Penguatan II Dan Klein
Kuliah 12 Kemungkinan Pieter Abbeel
Kuliah 13 Jaring Bayes: Representasi Pieter Abbeel
Kuliah 14 Jaring Bayes: Kemerdekaan Pieter Abbeel
Kuliah 15 Jaring Bayes: Inferensi Pieter Abbeel
Kuliah 16 Jaring Bayes: Pengambilan Sampel Pieter Abbeel
Kuliah 17 Diagram Keputusan / Nilai Informasi Sempurna Pieter Abbeel
Kuliah 18 Model Markov Tersembunyi Pieter Abbeel
Kuliah 19 Penerapan HMM / Pidato Dan Klein
Kuliah 20 Pembelajaran Mesin: Naive Bayes Dan Klein
Kuliah 21 Pembelajaran Mesin: Perceptron Dan Klein
Kuliah 22 Pembelajaran Mesin: Kernel dan Pengelompokan Dan Klein
Kuliah 23 Pembelajaran Mesin: Pohon Keputusan dan Jaringan Syaraf Tiruan Pieter Abbeel
Kuliah 24 Aplikasi Tingkat Lanjut: Visi Komputer dan Robotika Pieter Abbeel
Kuliah 25 Aplikasi Tingkat Lanjut: NLP dan Mobil Robot Dan Klein,
Pieter Abbeel		 Tidak tercatat
Kuliah 26 Kesimpulan Dan Klein,
Pieter Abbeel		 Tidak tercatat



******************

Slide Kuliah

Berikut adalah kumpulan slide perkuliahan lengkap, termasuk video, dan video demo yang dijalankan dalam perkuliahan: Slide [~3 GB].

Daftar di bawah ini berisi semua slide powerpoint kuliah:

  • Kuliah 1: Pendahuluan
  • Kuliah 2: Pencarian Tanpa Informasi
  • Kuliah 3: Pencarian Informasi
  • Kuliah 4: CSP I
  • Kuliah 5: CSP II
  • Kuliah 6: Pencarian Adversarial
  • Kuliah 7: Pencarian dan Utilitas Expectimax
  • Kuliah 8: MDP I
  • Kuliah 9: MDP II
  • Kuliah 10: Pembelajaran Penguatan I
  • Kuliah 11: Pembelajaran Penguatan II
  • Kuliah 12: Probabilitas
  • Kuliah 13: Model Markov
  • Kuliah 14: Model Markov Tersembunyi
  • Kuliah 15: Filter Partikel dan Penerapan HMM
  • Kuliah 16: Bayes Nets I: Representasi
  • Kuliah 17: Bayes Nets II: Kemerdekaan
  • Kuliah 18: Bayes Nets III: Inferensi
  • Kuliah 19: Bayes Nets IV: Pengambilan Sampel
  • Kuliah 20: Diagram Keputusan dan VPI
  • Kuliah 21: Naif Bayes
  • Kuliah 22: Perceptron
  • Kuliah 23: Kernel dan Clustering
  • Kuliah 24: Aplikasi Tingkat Lanjut (NLP, Game, Mobil)
  • Kuliah 25: Aplikasi Tingkat Lanjut (Computer Vision dan Robotika)
  • Kuliah 26: Kesimpulan

File sumber untuk semua demo kuliah langsung sedang dipersiapkan dari Berkeley AI untuk dirilis

Makalah Penelitian Terpilih

  • Pengiriman makalah arxiv terbaru pada AI

  • Peter Norvig-Ajari Pemrograman Sendiri dalam Sepuluh Tahun

  • Bagaimana Melakukan Penelitian Di MIT AI Lab

  • Peta Jalan menuju Kecerdasan Mesin

  • Pemfilteran Kolaboratif dengan Jaringan Neural Berulang (2016)

  • Pembelajaran Luas & Mendalam untuk Sistem Rekomendasi (2016)

  • Pemfilteran Kolaboratif Mendalam melalui Encoder Otomatis Denoising yang Marginalisasi (2015)

  • Pemfilteran kolaboratif multitugas bayesian nonparametrik (2013)

  • Tensorflow: Pembelajaran mesin skala besar pada sistem terdistribusi heterogen

  • https://infoscience.epfl.ch/record/82802/files/rr02-46.pdf

  • Theano: Kompiler ekspresi matematika CPU dan GPU.

  • Caffe: Arsitektur konvolusional untuk penyematan fitur dengan cepat

  • Chainer: Kerangka jaringan saraf yang kuat, fleksibel, dan intuitif

  • Jaringan Dalam Terdistribusi Skala Besar

  • Klasifikasi video skala besar dengan jaringan saraf konvolusional

  • Estimasi Representasi Kata yang Efisien dalam Ruang Vektor

  • Tata Bahasa sebagai Bahasa Asing

  • Mendalami Konvolusi

  • PADA UNIT LINEAR YANG DIPERBAIKI UNTUK PEMROSESAN PIDATO

  • Jaringan saraf dalam untuk pemodelan akustik dalam pengenalan suara: Pandangan bersama dari empat kelompok penelitian.

  • Pengenalan Angka Multi-digit dari Citra Street View menggunakan Jaringan Neural Konvolusional Dalam

  • Google mengalihkan pencarian webnya yang menguntungkan ke mesin AI

Silabus Stanford CS 20SI: Tensorflow untuk Penelitian Pembelajaran Mendalam

  • Penjelasan Bahasa Alami yang Dipersonalisasi Berbasis Orang untuk Rekomendasi

Studi Banding Kerangka Perangkat Lunak Pembelajaran Mendalam

** Reddit_ML- Apa yang Anda Baca**

  • Bot Sosial yang Didukung AI (16 Jun 2017)

Banyak Suku Kecerdasan Buatan

Sumber: https://medium.com/intuitionmachine/infographic-best-practices-in-training-deep-learning-networks-b8a3df1db53


******************

Peta Jalan Pembelajaran Mendalam

Sumber: https://medium.com/intuitionmachine/the-deep-learning-roadmap-f0b4cac7009a


******************

Praktik Terbaik untuk Melatih Jaringan Pembelajaran Mendalam

Sumber: https://medium.com/intuitionmachine/infographic-best-practices-in-training-deep-learning-networks-b8a3df1db53


Lembar Cheat ML/DL

Arsitektur Jaringan Neural

Sumber: http://www.asimovinstitute.org/neural-network-zoo/


Bagan Algoritma Microsoft Azure

Sumber: https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet


Diagram Algoritma SAS

Sumber: http://blogs.sas.com/content/subciousmusings/2017/04/12/machine-learning-algorithm-use/


******************

Ringkasan Algoritma

Sumber: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/


****************** Sumber: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/


****************** ### Algoritma Pro/Con Sumber: https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend


******************

ular piton

Algoritma

Sumber: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/


******************

Dasar-dasar Python

Sumber: http://datasciencefree.com/python.pdf


******************

Sumber: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA


******************

Numpy

Sumber: https://www.dataquest.io/blog/numpy-cheat-sheet/


******************

Sumber: http://datasciencefree.com/numpy.pdf


******************

Sumber: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE


Sumber: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb


******************

Panda

Sumber: http://datasciencefree.com/pandas.pdf


******************

Sumber: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U


******************

Sumber: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb


Matplotlib

Sumber: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet


Sumber: https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb


Scikit Belajar

Sumber: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk


Sumber: http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html


Sumber: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb


******************

Aliran Tensor

Sumber: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb


Pytorch

Sumber: https://github.com/bfortuner/pytorch-cheatsheet


******************

Matematika

Kemungkinan

Sumber: http://www.wzchen.com/s/probability_cheatsheet.pdf


******************

Aljabar Linier

Sumber: https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf


******************

Statistik

Sumber: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf


Kalkulus

Sumber: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N


Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua