Basic4AI

説明します

機械学習、深い学習、自然言語処理に関する基本的な知識の概要。

現在、主にLi Hungの本「統計学習方法」を指し、 Xgboost 、クラスタリング、ディープラーニング関連のコンテンツ、 NLP関連のコンテンツなどのコンテンツは本に記載されていません。

GithubのMarkdown ParserはLaTexをサポートしていないため、ノートをローカルに使用して正常に閲覧する必要があります。また、以下のブログリンクに直接アクセスすることもできます。

ドキュメントフォルダーはメモ、コードフォルダーはコード、データフォルダーは特定のコードで使用されるデータセット、画像フォルダーはノートセクションで使用される画像です。

時間とエネルギーが限られているため、コードの一部は、seq2seq、トランス、その他のコード部分などのGithubオープンソースプロジェクトからのものであり、一部のチャプターコードは補足されます。

機械学習

• 線形回帰（注）
• Perception Machine（注 +コード）
• knn（notes + code）
• ナイーブベイズ（ノート +コード）
• 決定ツリー（注 +コード）
• ロジスティック回帰（注 +コード）
• 最大エントロピー（注 +コード）
• SVM（ノート +コード）
• adaboost（notes + code）
• gbdt（notes + code）
• emアルゴリズム（注 +コード）
• 隠されたマルコフモデル（ノート +コード）
• 条件付きランダムフィールド（注）
• ランダムフォレスト（ノート +コード）
• xgboost（notes）
• クラスタリング（メモ）
• 機能エンジニアリングの機能選択（メモ）
• 機能エンジニアリングの寸法削減アルゴリズム（注）

深い学習

• ニューラルネットワーク（ノート +コード）
• RNN（メモ）
• LSTMとGRU（メモ）
• CNN（メモ）
• ディープラーニングの最適化方法（メモ）

自然言語処理

• word2vec（notes）
• グローブ（メモ）
• fastText（注）
• textcnn（notes + code）
• seq2seq（ノート +コード）
• トランス（ノート +コード）
• バート（メモ）
• シーケンスアノテーション用のLSTM+CRF（注）
• テーマモデル（注）