Machine Learning Goodness
1.0.0
さまざまなリポジトリやノートブック、ML/DL プロジェクト、 AGI/AI のヒント/チートによる機械学習の優れた点。
概要と次の動き
100DaysOfMLCodeチャレンジの開始により、この Machine Learning Goodness リポジトリは、完成した Jupyter ノートブック、Python コード、ML プロジェクト、便利な ML/DL/NN ライブラリ、リポジトリ、ML/DL/NN/AI のチート コード、役立つ情報で毎日更新されます。 Web サイト、有益な学習教材、ヒントなど、基本的な Python コーディングや高度な Python コーディングは言うまでもありません。
挑戦が終わっても、リポジトリはまだ成長しています。機械学習の世界で新たな有益な資料が見つかると、書籍、ツール、リポジトリに追加されるだけでなく、Finish YearWithML チャレンジで更新され、Twitter アカウントや Linkedin、場合によっては Facebook、Instagram でツイートされます。
(トップに戻る)
ML/DL/NN/AGI、Python プログラミング、AI 分析に必要な CS の基礎の専門知識を磨くための価値のある書籍、および開発者または ML エンジニアに役立つ書籍。
| 番号 | タイトル | 説明 | リンク |
|---|---|---|---|
| 1 | Grokking アルゴリズム: プログラマーやその他の好奇心旺盛な人のための図入りガイド | 問題を解決するための機械学習とプログラミングで使用される最も一般的なアルゴリズムの視覚化 | グロッキングアルゴリズム |
| 2 | アルゴリズム設計マニュアル | さまざまなコンピュータアルゴリズムの数学的解析の紹介 | アルゴリズム設計マニュアル |
| 3 | プログラマのための圏論 | Milewski のプログラミング カフェからの投稿に基づいて書かれた圏論に関する本 | プログラマのための圏論 |
| 4 | 自動機械学習 | この本には、AutoML に必要な基本的なテクニックの概要が含まれており、既存の AutoML システムについて詳しく説明し、AutoML の最先端技術を評価しています。 | 自動機械学習 |
| 5 | コンピュータサイエンスのための数学 | コンピューター サイエンスのための数学に関する MIT の書籍 | コンピュータサイエンスのための数学 |
| 6 | 機械学習のための数学 | カリフォルニア大学による機械学習のための数学に関する本 | 機械学習のための数学 |
| 7 | 応用人工知能 | AI アプリケーションのエンジニアリングに関する書籍 | 応用人工知能 |
| 8 | 機械学習パイプラインの自動化 | Databricks Lakehouse プラットフォームを使用した ML ライフサイクルの自動化に関する書籍の概要 | 機械学習パイプラインの自動化 |
| 9 | 機械学習への憧れ | ディープラーニングの時代を勝ち取るAIエンジニアのための本 | 機械学習への憧れ |
| 10 | ベイズを考える | Python 実装と Jupyter Notebook を使用したベイズ統計の入門 | ベイズを考える |
| 11 | 究極のChatGPTガイド | ChatGPT であなたの生活を向上させるための 100 のリソースを提供する本 | 究極のChatGPTガイド |
| 12 | ChatGPT プロンプトの技術: 明確で効果的なプロンプトを作成するためのガイド | 魅力的で有益な会話を促進する魅力的な ChatGPT プロンプトを作成するための戦略を学ぶための本 | ChatGPT プロンプトの技術: 明確で効果的なプロンプトを作成するためのガイド |
| 13 | ソフトウェア エンジニア向けの 10 の ChatGPT プロンプト | ソフトウェア エンジニアリングのタスクをプロンプトする方法を学ぶための本 | ソフトウェア エンジニア向けの 10 の ChatGPT プロンプト |
| 14 | AI 分野でキャリアを築く方法 | 基礎スキルの学習、プロジェクトへの取り組み、仕事の検索、マシン内のコミュニティに関する Andrew Ng の洞察 | AI 分野でキャリアを築く方法 |
| 15 | 機械学習QとAI | ML に関するインタビューでよく聞かれる質問と、それらの質問に対する高度な情報をまとめた本 | 機械学習QとAI |
| 16 | 機械学習の包括的なガイド | ML の包括的なガイドをまとめた無料の書籍 | 機械学習の包括的なガイド |
| 17 | 深層学習のための数学: ニューラル ネットワークを理解するために知っておくべきこと | データ サイエンスの数学と統計の基礎に入る、機械学習と人工知能のための数学の本 | 深層学習のための数学: ニューラル ネットワークを理解するために知っておくべきこと |
(トップに戻る)
Python、機械学習、深層学習、ニューラル ネットワークのチート コードを含む価値のある Web サイトやツール、およびスキルを学習したり磨いたりする際に役立つその他の価値のあるツールがここにあります。価値のあるマテリアルがリポジトリ上で共有されていることが判明すると、常に更新されます。
| 番号 | タイトル | 説明 | リンク |
|---|---|---|---|
| 1 | Python チートシート | 書籍「Automate the Boring Stuff with Python」およびその他の多くのソースに基づいた Python Cheatsheet | Python チートシート |
| 2 | 機械学習アルゴリズムのチートシート | さまざまなモデルを簡単に説明する機械学習チートシート | ML アルゴリズムのチートシート |
| 3 | 素晴らしい AI データセットとツール | 人気のオープンソースおよびパブリック データセット、データ視覚化、データ分析リソース、データ レイクへのリンク | 素晴らしい AI データセットとツール |
| 4 | 機械学習のチートシート | このチートシートには、機械学習に関する知識やアイデアをすぐに思い出せるように、機械学習に関する多くの古典的な方程式や図が含まれています。 | 機械学習のチートシート |
| 5 | ユニバーサル・インテリジェンス: マシン・インテリジェンスの定義 | 知能の定義に関する出版物 | 普遍的な知性 |
| 6 | ロジスティック回帰 | ロジスティック回帰の詳細な概要 | ロジスティック回帰 |
| 7 | BCIの概要 | ブレイン コンピューター インターフェイス (BCI) の簡単な概要 | BCIの概要 |
| 8 | BCIリサーチ | ブレイン・コンピューター・インターフェース (BCI) の興味深い研究 | BCIリサーチ |
| 9 | 化学発見における AI | AI は Chemical Discovery をどのように変えるのでしょうか? | 化学発見における AI |
| 10 | 化学のための機械学習 | 化学の機械学習のベスト プラクティス | 化学のための機械学習 |
| 11 | 創薬用AIツール | AI を活用した 5 つのクールな創薬ツール | 創薬用AIツール |
| 12 | 量子化学と深層学習 | 深層学習とニューラルネットワークの量子化学への応用 | 量子化学と深層学習 |
| 13 | コンピューティング機械とインテリジェンス | アラン・チューリングによる AI に関する最初の論文 | コンピューティング機械とインテリジェンス |
| 14 | アラン・チューリングのブログ | AI に関するアラン チューリングの論文の分析 (リストの 13 件) と彼の生涯に関するブログ投稿 | アラン・チューリングに関するブログ |
| 15 | 心、頭脳、そしてプログラム | ジョン・サールの「チューリング・テスト」に異議を唱える論文 | 心、頭脳、そしてプログラム |
| 16 | ジョン・サールとアラン・チューリングのテイクに関するブログ | ジョン・サール論文のテイク（リストの15）とAIとアラン・チューリングに関するアイデアに関するブログ投稿 | ジョン・サール＆アラン・チューリング |
| 17 | 深層学習のニューラル ネットワークに関する YouTube チャンネル | シンプルで分かりやすい説明でニューラル ネットワークとは何かを説明する素晴らしい YouTube チャンネル | ディープラーニングのニューラルネットワーク |
| 18 | ニューラル ネットワークの 8 つのアーキテクチャ | すべての ML エンジニアが知っておくべきニューラル ネットワークの 8 つのアーキテクチャ | 8つのアーキテクチャ |
| 19 | 有機化学反応を予測するためのニューラル ネットワーク | 反応タイプを予測するためのニューラル ネットワークの使用 | 有機化学反応を予測するための NN |
| 20 | 反応条件を予測するためのエキスパート システム: マイケル反応の事例 | モデルは、考慮された各反応条件オプションと有機化学プロセスの適合性を判断するために構築されました。 | 反応状態を予測するエキスパートシステム |
| 21 | 化学反応空間における機械学習 | ML 概念を使用して複数の反応に関与する分子の反応空間を観察 | 化学反応空間における機械学習 |
| 22 | 化学反応の機械学習 | 機械学習技術を使用して対処できる、およびこれまで対処されてきた質問の概要 | 化学反応の機械学習 |
| 23 | ByTorchの概要 | PyTorch のフレームワークとしての BoTorch | ByTorchの概要 |
| 24 | Byトーチ公式 | ベイジアン最適化または単に BoTorch の公式 Web サイト | Byトーチ公式 |
| 25 | VS コードのチートシート | VS コードのショートカット チートシート | VS コードのチートシート |
| 26 | 機械学習の簡単なチートシート | 機械学習を作成するすべての分野と一般的に使用されるアルゴリズムの機械学習チートシート | 機械学習のチートシート |
| 27 | DeepMind と UCL の強化学習 | DeepMind と UCL の強化学習に関するビデオでの講義 | DeepMind と UCL の強化学習 |
| 28 | スタンフォード機械学習フルコース | スタンフォード大学で行われた講義スライドとしての完全な機械学習コース | スタンフォード機械学習フルコース |
| 29 | Coursera のディープラーニング専門分野 | Deeplearning.ai の偉大な Andrew Ng 氏と彼のチームが提供する DL スペシャライゼーション | Coursera のディープラーニング専門分野 |
| 30 | 単純なクラスタリングのチートシート | シンプルな教師なし学習クラスタリングのチートシート | クラスタリングのチートシート |
| 31 | 混同行列に関するチートシート | 精度、精度、リコール、TPR、FPR、特異性、感度、ROC、および混同マトリックスのすべてに関するチートシート | 混同行列に関するチートシート |
| 32 | データサイエンティストのためのチートシート | データサイエンティスト向けのさまざまなチートシート | データサイエンティストのためのチートシート |
| 33 | K-Means クラスタリングの視覚化 | K-Means クラスタリングを説明する簡単な図 | K-Means クラスタリングの視覚化 |
| 34 | 3Blue1Brown の YouTube チャンネル | アニメーション数学の概念に関する YouTube チャンネル | アニメーション化された数学の概念 |
| 35 | 線形代数の本質 | 3Blue1Brown による線形代数の Youtube プレイリスト | 線形代数 |
| 36 | 強化学習の神経科学 | 強化学習のための神経科学のプリンストン大学のスライド | 強化学習の神経科学 |
| 37 | 薬剤設計の強化学習 | Drug Design の強化学習の実装 | 薬剤設計の強化学習 |
| 38 | 裏材付きブレインコンピュータインターフェース | 柔軟で成形可能な裏地と貫通マイクロニードルを備えた高度な BCI | 裏材付きブレインコンピュータインターフェース |
| 39 | ビッグオー表記 | Big O 記法についての素晴らしく簡単な説明 | ビッグオー表記 |
| 40 | 6 データサイエンス証明書 | キャリアを向上させるための 6 つのデータ サイエンス認定資格 | 6 データサイエンス証明書 |
| 41 | 知性の尺度について | 人工知能がどれだけ人間に似ているかを測定する新しい概念 | 知性の尺度について |
| 42 | インテリジェンスの定義のコレクション | インテリジェンスの 70 種類以上の定義 | インテリジェンスの定義のコレクション |
| 43 | AlphaCode による競争レベルのコード生成 | アルファコードペーパー | AlphaCode による競争レベルのコード生成 |
| 44 | 機械学習 | 機械学習とは何ですか?よく説明された紹介文 | 機械学習 |
| 45 | オートエンコーダー | オートエンコーダーの概要と不完全なオートエンコーダーについて詳しく知る | オートエンコーダー |
| 46 | ChatGPT チートシート | ChatGPT をよく使う人にとって必須のチートシート | ChatGPT チートシート |
| 47 | Scikit-learn チートシート | 機械学習用の Scikit-Learn チートシート | Scikit-Learn チートシート |
| 48 | Python 深層学習ライブラリ トップ 13 | Python を使用した深層学習のトップ ライブラリの概要 | Python 深層学習ライブラリ トップ 13 |
| 49 | 機械学習の視覚化の簡単なガイド | ML モデルのパフォーマンスに関する視覚的検査の概要 | 機械学習の視覚化の簡単なガイド |
| 50 | 機械学習モデルによって発生する系統的エラーの発見 | 検証データの一貫したスライスで高い全体精度を達成する機械学習モデルのエラーを発見するための概要 | 機械学習モデルによって発生する系統的エラーの発見 |
| 51 | 仮説検定の説明者? | 仮説検定の解説 | 機械学習の視覚化の簡単なガイド |
| 52 | AI入門コース | Microsoft が提供する初心者向けの無料 AI 入門コース | AI入門コース |
| 53 | ChatGPT の生産性ハック | ChatGPT 生産性ハック: チャットボットを使用して生活を楽にする 5 つの方法 | ChatGPT の生産性ハック |
| 54 | データ サイエンスでお金を 3 倍にする | ある研究員がデータ サイエンスで 18 か月で収入を 3 倍にした方法に関する記事 | データ サイエンスでお金を 3 倍にする |
| 55 | 今後10年間のAIの予測 | アンドリュー・ン氏の今後 10 年の AI に関する予測 | 今後10年間のAIの予測 |
| 56 | 心の理論は大規模な言語モデルの中で自然発生的に現れた可能性がある | ChatGPT などの LLM モデルを概説する出版物 | 心の理論は大規模な言語モデルの中で自然発生的に現れた可能性がある |
| 57 | ChatGPT は機械学習の自動化にどのように役立ちますか? | 機械学習におけるChatGPT | ChatGPT は機械学習の自動化にどのように役立ちますか? |
| 58 | ChatGPT チートシート | 非公式 ChatGPT チートシート | ChatGPT チートシート |
| 59 | OpenAI クックブック | 公式ChatGPTチートシート | OpenAI クックブック |
| 60 | 創薬のための知識拡張グラフ機械学習: 精度から解釈可能性までの調査 | 創薬におけるグラフ機械学習の実装 | 創薬のための知識拡張グラフ機械学習: 精度から解釈可能性までの調査 |
| 61 | 機械学習の視覚化の簡単なガイド | ML ビジュアライゼーションのガイド | 機械学習の視覚化の簡単なガイド |
| 62 | PyTorch ニューラル ネットワークを視覚化する方法 – Python での 3 つの例 | PyTorch 視覚化の 3 つの例 | PyTorch ニューラル ネットワークを視覚化する方法 – Python での 3 つの例 |
| 63 | 機械学習におけるデータ視覚化の役割 | ML における視覚化の役割 | 機械学習におけるデータ視覚化の役割 |
| 64 | A/B テスト結果の解釈: 偽陽性と統計的有意性 | A/B テスト結果の解釈 | A/B テスト結果の解釈: 偽陽性と統計的有意性 |
| 65 | A/B テストの設計、実装、落とし穴に関する完全ガイド | A/B テストの完全ガイド | A/B テストの設計、実装、落とし穴に関する完全ガイド |
| 66 | データ サイエンティストとデータ エンジニアのための面接におけるヒント | Seattle Data Guy による面接のヒント | データ サイエンティストとデータ エンジニアのための面接におけるヒント |
| 67 | データ サイエンスのための Git チートシート | データ サイエンス用の Git コマンドのチートシート | データ サイエンスのための Git チートシート |
| 68 | 乳がん分類のための CNN | 生検画像を見て患者が乳がんに罹患しているかどうかを自動的に識別するアルゴリズムの概要 | 乳がん分類のための CNN |
| 69 | グッドハートの法則 | OpenAI で使用されるグッドハートの法則の概要 | グッドハートの法則 |
| 70 | ML プラットフォームをゼロから構築する方法 | モデルを設計、トレーニング、デプロイするための標準的な方法 | 直接 ML プラットフォームをゼロから構築する方法 |
| 71 | 自己教師あり学習の要約 | 自己教師あり学習の概要 | 自己教師あり学習の要約 |
| 72 | MLOps の要約 (2021) | MLOps の概要 | MLOps の要約 (2021) |
| 73 | MLOps の要約 (2020) | MLOps の概要 | MLOps の要約 (2020) |
| 74 | ニューラル ネットワークの芸術 | ニューラル ネットワークの芸術的表現 | ニューラル ネットワークの芸術 |
| 75 | MLOpsの設計パターン | MLOps の設計パターンの概要 | MLOpsの設計パターン |
| 76 | AI の世界で何が起こっているかを常に把握する方法 | あらゆるニュースを把握し、AI 情報の無限の流れをナビゲートする方法に関するリソース | AI の世界で何が起こっているかを常に把握する方法 |
| 77 | ChatGPT と Whisper API | ChatGPT と Whisper API の開発者向けの統合ツール | ChatGPT と Whisper API |
| 78 | あなたを雇用してくれる 20 の機械学習プロジェクト | あなたを ML エンジニアとして雇用する必要があるプロジェクト | あなたを雇用してくれる 20 の機械学習プロジェクト |
| 79 | 7 つのトップ機械学習プログラミング言語 | 機械学習でよく使用されるプログラミング言語 | 7 つのトップ機械学習プログラミング言語 |
| 80 | 機械学習プロジェクトの効果的なテスト (パート I) | ML プロジェクトの効果的なテストに関するブログ投稿 (パート I) | 機械学習プロジェクトの効果的なテスト (パート I) |
| 81 | 機械学習プロジェクトの効果的なテスト (パート II) | ML プロジェクトの効果的なテストに関するブログ投稿 (パート II) | 機械学習プロジェクトの効果的なテスト (パート III) |
| 82 | 機械学習プロジェクトの効果的なテスト (パート III) | ML プロジェクトの効果的なテストに関するブログ投稿 (パート III) | 機械学習プロジェクトの効果的なテスト (パート III) |
| 83 | Netflix での意思決定 | Netflix が A/B テストを使用して製品を継続的に改善する意思決定を行い、会員により多くの喜びと満足感を提供できるようにする方法 | Netflix での意思決定 |
| 84 | A/B テストとは何ですか? | Netflix が A/B テストを使用して意思決定を行い、製品を継続的に革新している方法 | A/B テストとは何ですか? |
| 85 | A/B テスト結果の解釈: 偽陽性と統計的有意性 | 偽陽性と統計的有意性を確認して A/B テスト結果を解釈する | A/B テスト結果の解釈: 偽陽性と統計的有意性 |
| 86 | A/B テストの設計、実装、落とし穴に関する完全ガイド | サンプルと Python 実装を使用した非技術者および技術専門家向けのデータ サイエンス実験のためのエンドツーエンドの A/B テスト | A/B テストの設計、実装、落とし穴に関する完全ガイド。 |
| 87 | データ サイエンスの面接で知っておくべき 10 の統計概念 | データサイエンスの面接で知っておく必要のある統計的概念 | データ サイエンスの面接のために知っておくべき 10 の統計概念。 |
| 88 | 深層学習モデルの評価: 混同行列、精度、精度、再現率 | 混同行列、精度、精度、再現率の指標を使用した ML モデルの評価の概要 | 深層学習モデルの評価: 混同行列、精度、精度、再現率 |
| 89 | 医療における人工知能: 患者ケアを改善するための構造的課題を克服または再現しますか? | 医療における AI の視点 | 医療における人工知能: 患者ケアを改善するための構造的課題を克服または再現しますか? |
| 90 | 創薬におけるグラフ ニューラル ネットワーク | 創薬プロセスを変革し、新しい化合物を見つける効率を高めるディープラーニング アプリケーション | 創薬におけるグラフ ニューラル ネットワーク |
| 91 | X 線データのノイズを低減する新しい AI アプローチ | ノイズの多い X 線データをノイズのない入力信号に置き換えるオートエンコーダーの使用法の概要 | X 線データのノイズを低減する新しい AI アプローチ |
| 92 | 自然言語処理 | このガイドでは、その仕組み、トップテクニックがどこに適用されるかなどについて説明しています。 | 自然言語処理 |
| 93 | ビッグオーチートシート | データ構造のための Big O チートシート #1 | ビッグオーチートシート |
| 94 | ビッグオーチートシート | データ構造のための Big O チートシート #2 | ビッグオーチートシート |
| 95 | AI 生成コンテンツ (AIGC) の包括的調査: GAN から ChatGPT までの生成 AI の歴史 | 生成 AI 技術とアプリケーションの歴史的概要 | AI 生成コンテンツ (AIGC) の包括的調査: GAN から ChatGPT までの生成 AI の歴史 |
| 96 | チャットドクター | 医療領域の知識を使用して LLaMA モデルに基づいて微調整された医療チャット モデル | チャットドクター |
| 97 | すべてのチートシート | 人工知能からデータエンジニアリング、機械学習、Linux、数学、R、Matlab、その他多くの分野までのチートシート | すべてのチートシート |
| 98 | GMAI | 大規模な医療 AI モデルの開発を推進し、医療タスクの精度を向上させ、複雑な医療情報にアクセスしやすくし、外科チームを支援するジェネラリスト医療 AI (GMAI) に関する論文 | GMAI |
| 99 | 9 つの必須 ChatGPT プロンプト | 9 つの重要な ChatGPT プロンプトと例 | 9 必須の ChatGPT プロンプト |
| 100 | IPython ChatGPT 拡張機能 | Jupyter Notebook または IPython Shell から ChatGPT を直接使用できるようにする拡張機能 | IPython ChatGPT 拡張機能 |
| 101 | オープンアシスタント | ChatGPT に代わるオープンソースの代替ツール | オープンアシスタント |
| 102 | DINOv2 | 教師なしビジョン トランスフォーマー モデルは、ほぼすべての CV タスクのバックボーンとして使用できます。 | DINOv2 |
| 103 | データモール | 創薬における機械学習科学者向けの分子処理と特徴付けワークフローを簡素化するオープンソース ツールキット | データモール |
| 104 | ChatGPT と GPT4 の比較 | ChatGPTとGPTを比較した画像 | ChatGPT と GPT4 の比較 |
| 105 | 自己教師あり学習クックブック | 知性の暗黒物質に関する研究とすべてのメモ | 自己教師あり学習クックブック |
| 106 | プロンプトエンジニアリングチートシート | GPT などのチャット ボットへの優れたプロンプトの作成を支援する | プロンプトエンジニアリングチートシート |
| 107 | GitHub コパイロット ガイド | GitHub コパイロット ガイド (スライド) | GitHub コパイロット ガイド |
| 108 | GitHub Copilot と ChatGPT の比較 | チャットボットとプログラミング ヘルパーの比較（スライド） | GitHub Copilot と ChatGPT の比較 |
| 109 | GitHub Copilot と Codeium の比較 | コーディングヘルパーの比較。 1 つは有料、もう 1 つはオープンソース | GitHub Copilot と Codeium の比較 |
| 110 | AutoGPT を始める | AutoGPT の概要 - インストール - 使用例 - 誤用の可能性 | [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/AutoGPT_Guide.pdf] |
| 111 | 便利なAIツール | Copilot から AutoGPT、MidJourney、Grammarly、会話ボットまでの便利な AI ツール | [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/Useful_AI_Tools.pdf] |
| 112 | ChatGPT プロンプトのチートシート | 便利な ChatGPT プロンプトのチートシート | ChatGPT プロンプトのチートシート |
| 113 | 機械学習 エンジニアと科学者のための最初のコース | ケンブリッジ大学からの機械学習の初心者から上級者までの情報 | 機械学習 エンジニアと科学者のための最初のコース。 |
| 114 | 機械学習プロジェクト | 機械学習プロジェクト | 機械学習プロジェクト |
| 115 | Python データ サイエンス ハンドブック | Python データ サイエンス ハンドブック | Python データ サイエンス ハンドブック |
| 116 | Python による統計入門 | 統計学は、データの収集、分析、解釈、表現、編成を扱う数学の一分野です。 | Python による統計入門 |
| 117 | 誰でも使えるPython | 誰でも使えるPython | 誰でも使えるPython |
| 118 | 誰でも使える Python による機械学習 (Addison-Wesley データと分析シリーズ) | 誰でも使える Python による機械学習 | 誰でも使える Python による機械学習 (Addison-Wesley データと分析シリーズ) |
| 119 | データ分析のための Python | データ分析のための Python | データ分析のための Python |
| 120 | Python データ サイエンスの基礎 | Python データ サイエンスの基礎 | Python データ サイエンスの基礎 |
| 121 | Python を使用したグラフ データ モデリング | Python を使用したグラフ データ モデリング | Python を使用したグラフ データ モデリング |
| 122 | 50 日間の Python — 1 日の課題。 | 50 日間の Python — 1 日の課題。 | 50 日間の Python — 1 日の課題。 |
| 123 | 小さな Python プロジェクト | 小さな Python プロジェクト | 小さな Python プロジェクト |
| 124 | 驚くべき AI ツール | ライティングからビデオ、デザイン、生産性、マーケティング、チャットボットまでの AI ツール | 驚くべき AI ツール |
| 125 | 150 以上の Python プロジェクトとソースコード | 179 の Python プロジェクトとソース コード | 150 以上の Python プロジェクトとソースコード |
(トップに戻る)
すべての詳細が含まれる ML/DL/NN/AGI コースに関連する価値のある GitHub リポジトリは、次の場所にあります。
| 番号 | タイトル | 説明 | リンク |
|---|---|---|---|
| 1 | アドバンスAIコース | リトアニアのCode Academy Advanced AIコース | アドバンスAIコース |
| 2 | Coursera のディープ ラーニング コースの GitHub | Coursera のディープ ラーニング スペシャライゼーションの GitHub リポジトリ (deeplearning.ai による) | Coursera の DL コースの GitHub |
| 3 | Courseraのディープラーニングコースに関する注意事項 | Coursera のディープラーニング スペシャライゼーションの講義ノート (deeplearning.ai による) | CouseraのDLコースの注意事項 |
| 4 | 機械学習の圏論 | さまざまな AI 分野における圏論の出版物のリストを含む Github | ML の圏論 |
| 5 | 機械学習の基礎 | 機械学習の専門家が使用する概念、技術、数学的フレームワークを理解する | ML の基礎 |
| 6 | 素晴らしいRL | 強化学習に関する素晴らしい資料の Github リポジトリ | 素晴らしいRL |
| 7 | 化学反応の最適化 | 深層強化学習による化学反応の最適化 | 化学反応の最適化 |
| 8 | 機械学習のチートシート | 教師あり学習、教師なし学習、深層学習に関する機械学習のチートシート、およびヒントとコツ | 機械学習のチートシート |
| 9 | ML YouTube コース | 最新の機械学習コースは YouTube で入手できます | ML Youtube コース |
| 10 | 機械学習コースノート | 機械学習関連科目の注意事項 | 機械学習コースノート |
| 11 | ML プロジェクトの効果的なテスト | ML プロジェクトの効果的なテストのための GitHub リポジトリ | ML プロジェクトの効果的なテスト |
| 12 | チャットドクター | ChatDoctor の GitHub リポジトリ (90 日目に書き込まれたとき、またはツールの 96 アイテムとしてアクセスされたとき) | ChatDoctor GitHub |
| 13 | 自動 GPT | GPt4 の機能を紹介する実験的アプリケーションの GitHub リポジトリ | 自動 GPT |
| 14 | ビクーニャ-13B | 約 70,000 人のユーザーが共有する ChatGPT 会話で LLaMA を微調整することでトレーニングされたオープンソースのチャットボット | ビクーニャ-13B |
| 15 | プロンプトエンジニアリングガイド | プロンプトエンジニアリングガイド | プロンプトエンジニアリングガイド |
| 16 | Python による機械学習のベスト版 | 910 の厳選された ML プロジェクト | Python による機械学習のベスト版 |
| 17 | 初心者のためのデータサイエンス - カリキュラム | Microsoft の Azure Cloud Advocates は、データ サイエンスに関する 10 週間、20 レッスンのカリキュラムを提供できることを嬉しく思います。 | 初心者のためのデータサイエンス - カリキュラム |
| 18 | データ サイエンス インタビュー リソース | データ サイエンスのインタビュー リソース | データ サイエンス インタビュー リソース |
| 19 | 素晴らしいデータサイエンス | 現実世界の問題の解決に向けてデータ サイエンスのスキルを学習および適用するためのオープンソース データ サイエンス リポジトリ | 素晴らしいデータサイエンス |
| 20 | データモール | 創薬における機械学習科学者向けの分子処理と特徴付けワークフローを簡素化するオープンソース ツールキット | データモル |
| 21 | プライベートGPT | LLM の力を利用するだけで、インターネット接続なしでドキュメントに質問できる魔法のツール | プライベートGPT |
| 22 | RT-2モデル | 最大55Bのparamsバックボーンを使用し、それを微調整して現実世界で実行されるロボットのアクションを直接出力するモデル | RT-2 |
| 23 | GPTCache | GPT-3 API 呼び出しの結果をキャッシュし、後で再利用できるツール | GPTCache |
| 24 | AI を活用した優れた開発者ツール | AI を活用して、コード補完、リファクタリング、デバッグ、ドキュメントなどのタスクで開発者を支援するツール | AI を活用した優れた開発者ツール |
(トップに戻る)
さまざまなデータセットの完成したノートブックはここにあります。
(トップに戻る)
私が言及したり話したりした講義や資料を通じて取り上げた追加のメモは、ここで見つけることができます。
(トップに戻る)
毎日の#100DaysOfMLCodeチャレンジの資料は、ここのREADMEセクションにあります。
(トップに戻る)
毎日の#Finish YearWithMLチャレンジの資料は、ここのREADMEセクションにあります。
(トップに戻る)
パブリック フォルダーには 2 つのファイルが含まれています。
(トップに戻る)
まず素晴らしいのは、ここにアクセスして、この記事で詳細を読むことで、ブラウザーからも Jupyter を実行できることです。
ブラウザから Jupyter Notebook を実行するのが難しい場合は、ここをクリックして Google Colab を使用してください。両方のマシンの機能は似ています。
(トップに戻る)
リポジトリのロゴはここにあります。
(トップに戻る)
MIT ライセンスはここで見つけることができます。
