홈페이지>프로그래밍 관련>AI 소스 코드
다운로드

AI 앱을 시작하기 위한 모든 AI 관련 학습 자료와 실용적인 도구 목록

디자인 사고 – 소개

  • 스탠포드의 디자인 사고 가상 집중 강좌

Amazon Web Services 학습 자료

  • AWS AI 세션 – 이 세션에서는 모든 Amazon AI 기술 제품(Lex, Polly, Rekognition, ML 및 Deep Learning AMI)에 대한 개요를 제공합니다.

자기 주도형 실습

AWS 자습형 실습에서는 AWS 서비스와 실제 클라우드 시나리오를 통해 실제 AWS 환경에서 실습을 제공합니다. 단계별 지침에 따라 서비스를 배우고, 사용 사례를 연습하고, AWS 자격증을 준비하세요.

입문연구실

  • AWS 람다 소개

법률

  • Amazon Lex 소개
  • Amazon Lex 웹 세미나
  • Amazon Lex: AWS 대화형 인터페이스(채팅 봇)
  • 선적 서류 비치

폴리

  • Amazon Polly 소개
  • Amazon Polly 웹 세미나 -
  • Amazon Polly – AWS TTS(텍스트 음성 변환) 서비스
  • 선적 서류 비치
    • Amazon Polly란 무엇입니까?
    • 개발자 리소스

인식

  • Amazon Rekognition 소개
  • Amazon Rekognition - 딥 러닝 기반 이미지 분석 웹 세미나
  • Amazon Rekognition – AWS 이미지 인식 서비스
  • 설명서 – Amazon Rekognition이란 무엇입니까?

기계 학습

  • 기계 학습

  • 세션 1 – 개발자가 스마트 애플리케이션을 구축할 수 있도록 지원

  • 세션 2 - Amazon Machine Learning을 통한 고객 이탈 예측

  • AWS Machine Learning – ML 모델을 생성 및 테스트한 후 해당 모델을 프로덕션에 배포하기 위한 엔드 투 엔드 관리형 서비스

  • 선적 서류 비치

    • Amazon 기계 학습이란 무엇입니까?
    • 개발자 리소스

  • AWS Deep Learning AMI – 딥 러닝 작업에 최적화된 Amazon 머신 이미지(AMI)

권장되는 추가 리소스

기본, 고급, 전문가 수준 랩을 통해 기술을 한 단계 더 발전시키세요.

  • Microsoft Windows를 사용하여 Amazon EC2 인스턴스 생성
  • 첫 번째 Amazon Virtual Private Cloud(VPC) 구축
  • Windows에서 AWS CodeCommit 작업
  • Amazon DynamoDB 작업

Google Cloud - 학습 자료

다음은 Google Cloud에 대해 학습하는 데 도움이 되는 학습 자료입니다.

회로망

  • 네트워킹 101 – 43분

Codelab은 다음과 같은 일반적인 클라우드 개발자 환경을 제공합니다.

  • 실습 환경을 설정하고 GCP 환경으로 작업하는 방법을 알아보세요.
  • 일반적인 오픈 소스 도구를 사용하여 전 세계 네트워크를 탐색합니다.
  • 일반적인 사용 사례 배포: HTTP 부하 분산 및 관리형 인스턴스 그룹을 사용하여 확장 가능한 다중 지역 웹 서버 호스팅.
  • 네트워크와 인스턴스를 테스트하고 모니터링합니다.
  • 대청소.

Google Cloud Platform용 솔루션 개발 – 8시간

하부 구조

  • Kubernotes에서 Node.js를 사용하여 Slack Bot 구축 – 43분
  • 가상 머신 생성 – 10분
  • App Engine(Python) 시작하기 – 13분

데이터

  • Google Cloud 데이터 준비 소개 – 7분
  • Cloud SQL로 관리형 MySQL 데이터베이스 만들기 – 19분
  • Cloud Storage에 객체 업로드 – 11분

AI, 빅데이터 및 머신러닝

  • Google Cloud 머신러닝 소개 – 1시간
  • 예시별 기계 학습 API – 30분
  • Google Cloud Platform 빅데이터 및 머신러닝 기초

추가 AI 자료

  • 자동 편집: Google Cloud Platform의 고급 데이터 과학 – 45분
  • Cloud Dataflow에서 빅데이터 텍스트 처리 파이프라인 실행 – 21분
  • Cloud ML Engine 및 Datalab을 사용한 이미지 분류 – 58분
  • Cloud ML Engine 및 Datalab을 사용한 구조화된 데이터 회귀 – 58분

(선택 사항) 딥 러닝 및 Tensorflow

  • Tensorflow 및 딥 러닝 튜토리얼 – 2:35시간
  • 딥 러닝 과정 – 고급 사용자 전용

추가 참고 자료

  • 빅데이터 및 머신러닝 @ Google Cloud Next '17 - 49개 동영상 모음

IBM Watson 학습 자료

(이 공간에서는 기여를 환영합니다)

  • IBM 왓슨 개요
  • IBM Watson 인지 API
  • IBM Watson Knowledge Studio

비주얼 스튜디오

UCI 데이터세트

Microsoft 채팅 봇 학습 자료

기술 전제 조건

  • 힘내와 Github
  • NodeJS
  • VS 코드 IDE

훈련 경로

위의 전제 조건 기술이 있는 경우 고급 교육 경로를 선택하고 그렇지 않으면 초보자 교육 경로를 선택합니다.

전제조건 튜토리얼

  • 힘내와 Github
  • Node.js
    • 초보자를 위한 Node.js 튜토리얼
    • VS Code의 Node.js 튜토리얼
  • Visual Studio 코드 소개

초보자 교육 경로

환경 설정

  • 힘내 다운로드 및 설치
  • GitHub 계정 설정_
  • NodeJS 다운로드 및 설치
  • IDE 다운로드 및 설치 - Visual Studio Code
  • Bot Framework 에뮬레이터 다운로드 및 설치
  • Git clone 봇 교육 프로젝트 - git clone
  • Azure 무료 평가판 계정 설정

인지 서비스(지능 정의)

  • Cognitive Services ADS 교육 자료 읽기 - git clone
  • LUIS를 사용한 자연어 이해 가이드를 검토하세요.
  • 설치된 Bot Education 프로젝트(bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md)에서 NLP(LUIS) 교육 랩을 완료합니다.

Bot Framework(채팅봇 구축)

  • 다운로드한 - (Your Path)bot-extras에서 Bot Framework ADS 교육 자료를 읽어보세요.
  • Bot Framework 문서 검토(핵심 개념, NodeJS용 Bot Builder 및 Bot Intelligence) -
  • 로컬 환경을 설정하고 설치된 Bot Education 프로젝트(bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md)에서 에뮬레이터를 실행합니다.
  • bot-educationStudent-ResourcesBOTsNodebot-hello의 "bot-hello"를 에뮬레이터에서 검토하고 테스트하세요.

고급 교육 경로

환경 설정

  • 힘내 다운로드 및 설치
  • GitHub 계정 설정_
  • NodeJS 다운로드 및 설치
  • IDE 다운로드 및 설치 - Visual Studio Code
  • Bot Framework 에뮬레이터 다운로드 및 설치
  • Git clone 봇 교육 프로젝트 - git clone
  • Azure 무료 평가판 계정 설정
  • Git 복제 Bot Builder 샘플 – git clone

인지 서비스(지능 정의)

  • Cognitive Services ADS 교육 자료 읽기 – git clone
  • LUIS를 사용한 자연어 이해 가이드를 검토하세요.

Bot Framework(채팅봇 구축)

  • 다운로드한 - (Your Path)bot-extras에서 Bot Framework ADS 교육 자료를 읽어보세요.
  • Bot Framework 문서 검토(핵심 개념, NodeJS용 Bot Builder 및 Bot Intelligence) -
  • 로컬 환경을 설정하고 설치된 Bot Education 프로젝트(bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md)에서 에뮬레이터를 실행합니다.

인지 서비스(지능 정의) - 연구실

  • 설치된 BOT 교육 프로젝트에서 NLP(LUIS) 교육 랩 완료
    • bot-educationStudent-ResourcesLabsCognitiveServicesLab_SetupLanguageModel.md
  • LUIS BOT 샘플 검토, 배포 및 실행

Bot Framework(채팅 봇 구축) – 연구실

  • 설치된 Bot Education 프로젝트에서 로컬 환경을 설정하고 에뮬레이터를 실행합니다.
    • bot-educationStudent-ResourcesLabsNodeLab1_SetupCheckModel.md
  • 에뮬레이터에서 "bot-hello"를 검토하고 테스트하세요.
    • bot-educationStudent-ResourcesBOTsNodebot-hello
  • 에뮬레이터에서 "봇 인식기"를 검토하고 테스트합니다.
    • bot-educationStudent-ResourcesBOTsNodebot-recognizers

강의영상

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

소스 버클리

강의제목 강사 학기
1강 소개 댄 클라인 2012년 가을
2강 정보 없는 검색 댄 클라인 2012년 가을
3강 정보 검색 댄 클라인 2012년 가을
4강 제약조건 만족 문제 I 댄 클라인 2012년 가을
5강 제약조건 만족 문제 II 댄 클라인 2012년 가을
6강 적대적 검색 댄 클라인 2012년 가을
7강 Expectimax 및 유틸리티 댄 클라인 2012년 가을
8강 마르코프 결정 프로세스 I 댄 클라인 2012년 가을
9강 마르코프 결정 프로세스 II 댄 클라인 2012년 가을
10강 강화학습Ⅰ 댄 클라인 2012년 가을
11강 강화학습II 댄 클라인 2012년 가을
12강 개연성 피터 아벨 2014년 봄
13강 마르코프 모델 피터 아벨 2014년 봄
14강 숨겨진 마르코프 모델 댄 클라인 2013년 가을
15강 HMM의 응용 / 연설 피터 아벨 2014년 봄
16강 베이즈 네트: 표현 피터 아벨 2014년 봄
17강 베이즈 넷: 독립 피터 아벨 2014년 봄
18강 베이즈 네트: 추론 피터 아벨 2014년 봄
19강 베이즈 네트: 샘플링 피터 아벨 2013년 가을
20강 의사결정 다이어그램 / 완벽한 정보의 가치 피터 아벨 2014년 봄
21강 기계 학습: 나이브 베이즈 니콜라스 헤이 2014년 봄
22강 기계 학습: 퍼셉트론 피터 아벨 2014년 봄
23강 기계 학습: 커널 및 클러스터링 피터 아벨 2014년 봄
24강 고급 애플리케이션: NLP, 게임, 로봇 자동차 피터 아벨 2014년 봄
25강 고급 응용 분야: 컴퓨터 비전 및 로봇공학 피터 아벨 2014년 봄

또한 강의 자료를 보완하는 추가 단계별 비디오도 있습니다. 이러한 비디오는 다음과 같습니다.

강의제목 강사 메모
SBS-1 DFS 및 BFS 피터 아벨 Lec: 정보가 없는 검색
SBS-2 A* 검색 피터 아벨 Lec: 정보 검색
SBS-3 알파-베타 가지치기 피터 아벨 Lec: 적대적 검색
SBS-4 D-분리 피터 아벨 Lec: Bayes' Nets: 독립
SBS-5 하나의 변수 제거 피터 아벨 Lec: Bayes' Nets: 추론
SBS-6 변수 제거 피터 아벨 Lec: Bayes' Nets: 추론
SBS-7 견본 추출 피터 아벨 Lec: Bayes' Nets: 샘플링
SBS-8 최대 가능성 피터 아벨 Lec: 머신러닝: Naive Bayes
SBS-9 라플라스 평활화 피터 아벨 Lec: 머신러닝: Naive Bayes
SBS-10 퍼셉트론 피터 아벨 Lec: 기계 학습: 퍼셉트론



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

학기별 비디오 아카이브(버클리)

최근 강의 영상은 아래에 게시되어 있습니다.

2014 봄학기 강의영상
2013년 가을학기 강의영상
2013년 봄강의 동영상
2012년 가을학기 강의영상

2014년 봄

강의제목 강사 메모
1강 소개 피터 아벨
2강 정보 없는 검색 피터 아벨
3강 정보 검색 피터 아벨
4강 제약조건 만족 문제 I 피터 아벨 녹음이 약간 불안정합니다. 대안은 2013년 가을 강의 4를 참조하세요.
5강 제약조건 만족 문제 II 피터 아벨
6강 적대적 검색 피터 아벨
7강 Expectimax 및 유틸리티 피터 아벨
8강 마르코프 결정 프로세스 I 피터 아벨
9강 마르코프 결정 프로세스 II 피터 아벨
10강 강화학습Ⅰ 피터 아벨
11강 강화학습II 피터 아벨
12강 개연성 피터 아벨
13강 마르코프 모델 피터 아벨
14강 숨겨진 마르코프 모델 피터 아벨 녹음이 약간 불안정합니다. 대안은 2013년 가을 강의 18을 참조하세요.
15강 HMM의 응용 / 연설 피터 아벨
16강 베이즈 네트: 표현 피터 아벨
17강 베이즈 넷: 독립 피터 아벨
18강 베이즈 네트: 추론 피터 아벨
19강 베이즈 네트: 샘플링 피터 아벨 미녹음, 2013년 가을학기 16강 참조
20강 의사결정 다이어그램 / 완벽한 정보의 가치 피터 아벨
21강 기계 학습: 나이브 베이즈 니콜라스 헤이
22강 기계 학습: 퍼셉트론 피터 아벨
23강 기계 학습: 커널 및 클러스터링 피터 아벨
24강 고급 애플리케이션: NLP, 게임, 로봇 자동차 피터 아벨
25강 고급 응용 분야: 컴퓨터 비전 및 로봇공학 피터 아벨
26강 결론 피터 아벨 녹음되지 않음


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

2013년 가을

강의제목 강사 메모
1강 소개 댄 클라인
2강 정보 없는 검색 댄 클라인
3강 정보 검색 댄 클라인
4강 제약조건 만족 문제 I 댄 클라인
5강 제약조건 만족 문제 II 댄 클라인
6강 적대적 검색 댄 클라인
7강 Expectimax 및 유틸리티 댄 클라인
8강 마르코프 결정 프로세스 I 댄 클라인
9강 마르코프 결정 프로세스 II 댄 클라인
10강 강화학습Ⅰ 댄 클라인
11강 강화학습II 댄 클라인
12강 개연성 피터 아벨
13강 베이즈 네트: 표현 피터 아벨
14강 베이즈 넷: 독립 댄 클라인
15강 베이즈 네트: 추론 피터 아벨
16강 베이즈 네트: 샘플링 피터 아벨
17강 의사결정 다이어그램 / 완벽한 정보의 가치 피터 아벨
18강 숨겨진 마르코프 모델 댄 클라인
19강 HMM의 응용 / 연설 댄 클라인
20강 기계 학습: 나이브 베이즈 댄 클라인
21강 기계 학습: 퍼셉트론 댄 클라인
22강 기계 학습: 커널 및 클러스터링 피터 아벨
23강 기계 학습: 의사결정 트리 및 신경망 피터 아벨
24강 고급 애플리케이션: NLP 및 로봇 자동차 댄 클라인 미녹음, 2013년 봄강의 24 참조
25강 고급 응용 분야: 컴퓨터 비전 및 로봇 공학 피터 아벨
26강 결론 댄 클라인,
피터 아벨		 녹음되지 않음

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

2013년 봄

강의제목 강사 메모
1강 소개 피터 아벨 비디오 다운
2강 정보 없는 검색 피터 아벨
3강 정보 검색 피터 아벨
4강 제약조건 만족 문제 I 피터 아벨
5강 제약조건 만족 문제 II 피터 아벨 미녹음, 2012년 가을학기 5강 참조
6강 적대적 검색 피터 아벨
7강 Expectimax 및 유틸리티 피터 아벨
8강 마르코프 결정 프로세스 I 피터 아벨
9강 마르코프 결정 프로세스 II 피터 아벨
10강 강화학습Ⅰ 피터 아벨
11강 강화학습II 피터 아벨
12강 개연성 피터 아벨
13강 베이즈 네트: 표현 피터 아벨
14강 베이즈 넷: 독립 피터 아벨
15강 베이즈 네트: 추론 피터 아벨
16강 베이즈 네트: 샘플링 피터 아벨
17강 의사결정 다이어그램 / 완벽한 정보의 가치 피터 아벨
18강 숨겨진 마르코프 모델 피터 아벨
19강 HMM의 응용 / 연설 피터 아벨
20강 기계 학습: 나이브 베이즈 피터 아벨
21강 기계 학습: 퍼셉트론 I 니콜라스 헤이
22강 기계 학습: 퍼셉트론 II 피터 아벨
23강 기계 학습: 커널 및 클러스터링 피터 아벨
24강 고급 애플리케이션: NLP 및 로봇 자동차 피터 아벨
25강 고급 응용 분야: 컴퓨터 비전 및 로봇 공학 피터 아벨
26강 결론 피터 아벨 녹음되지 않음

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

2012년 가을

강의제목 강사 메모
1강 소개 댄 클라인
2강 정보 없는 검색 댄 클라인
3강 정보 검색 댄 클라인
4강 제약조건 만족 문제 I 댄 클라인
5강 제약조건 만족 문제 II 댄 클라인
6강 적대적 검색 댄 클라인
7강 Expectimax 및 유틸리티 댄 클라인
8강 마르코프 결정 프로세스 I 댄 클라인
9강 마르코프 결정 프로세스 II 댄 클라인
10강 강화학습Ⅰ 댄 클라인
11강 강화학습II 댄 클라인
12강 개연성 피터 아벨
13강 베이즈 네트: 표현 피터 아벨
14강 베이즈 넷: 독립 피터 아벨
15강 베이즈 네트: 추론 피터 아벨
16강 베이즈 네트: 샘플링 피터 아벨
17강 의사결정 다이어그램 / 완벽한 정보의 가치 피터 아벨
18강 숨겨진 마르코프 모델 피터 아벨
19강 HMM의 응용 / 연설 댄 클라인
20강 기계 학습: 나이브 베이즈 댄 클라인
21강 기계 학습: 퍼셉트론 댄 클라인
22강 기계 학습: 커널 및 클러스터링 댄 클라인
23강 기계 학습: 의사결정 트리 및 신경망 피터 아벨
24강 고급 응용 분야: 컴퓨터 비전 및 로봇 공학 피터 아벨
25강 고급 애플리케이션: NLP 및 로봇 자동차 댄 클라인,
피터 아벨		 녹음되지 않음
26강 결론 댄 클라인,
피터 아벨		 녹음되지 않음



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

강의 슬라이드

다음은 동영상과 강의에서 실행되는 데모 동영상을 포함한 전체 강의 슬라이드 세트입니다. 슬라이드 [~3GB].

아래 목록에는 모든 강의 파워포인트 슬라이드가 포함되어 있습니다.

  • 강의 1: 소개
  • 강의 2: 정보 없는 검색
  • 강의 3: 정보 검색
  • 강의 4: CSP I
  • 강의 5: CSP II
  • 강의 6: 적대적 검색
  • 강의 7: Expectimax 검색 및 유틸리티
  • 강의 8: MDP I
  • 강의 9: MDP II
  • 강의 10: 강화학습 I
  • 강의 11: 강화학습 II
  • 강의 12: 확률
  • 강의 13: 마르코프 모델
  • 강의 14: 은닉 마르코프 모델
  • 강의 15: 입자 필터 및 HMM의 응용
  • 강의 16: Bayes Nets I: 표현
  • 강의 17: Bayes Nets II: 독립
  • 강의 18: Bayes Nets III: 추론
  • 강의 19: Bayes Nets IV: 샘플링
  • 강의 20: 의사결정 다이어그램과 VPI
  • 강의 21: 나이브 베이즈
  • 강의 22: 퍼셉트론
  • 강의 23: 커널과 클러스터링
  • 강의 24: 고급 응용(NLP, 게임, 자동차)
  • 강의 25: 고급 응용(컴퓨터 비전 및 로봇 공학)
  • 강의 26: 결론

모든 라이브 강의 데모의 소스 파일은 Berkeley AI에서 출시를 위해 준비 중입니다.

선정된 연구 논문

  • AI에 최신 arxiv 논문 제출

  • Peter Norvig - 10년 안에 프로그래밍 독학하기

  • MIT AI 연구소에서 연구하는 방법

  • 기계 지능을 향한 로드맵

  • 순환 신경망을 사용한 협업 필터링(2016)

  • 추천 시스템을 위한 와이드 앤 딥 러닝(2016)

  • 소외된 노이즈 제거 자동 인코더를 통한 심층 협업 필터링(2015)

  • 비모수 베이지안 다중 작업 협업 필터링(2013)

  • Tensorflow: 이기종 분산 시스템에서의 대규모 기계 학습

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

  • Theano: CPU 및 GPU 수학 표현식 컴파일러입니다.

  • Caffe: 빠른 기능 임베딩을 위한 컨볼루셔널 아키텍처

  • Chainer: 강력하고 유연하며 직관적인 신경망 프레임워크

  • 대규모 분산 딥 네트워크

  • 컨벌루션 신경망을 이용한 대규모 비디오 분류

  • 벡터 공간에서 단어 표현의 효율적인 추정

  • 외국어로서의 문법

  • 컨볼루션으로 더 깊이 들어가기

  • 음성 처리를 위한 수정된 선형 단위

  • 음성 인식의 음향 모델링을 위한 심층 신경망: 4개 연구 그룹의 공유된 견해.

  • 심층 합성곱 신경망을 사용한 스트리트 뷰 이미지의 여러 자리 숫자 인식

  • 구글, 수익성 높은 웹 검색을 AI 기계로 전환하다

Stanford 강의 계획서 CS 20SI: 딥 러닝 연구를 위한 Tensorflow

  • 추천에 대한 군중 기반 개인화 자연어 설명

딥러닝 소프트웨어 프레임워크 비교 연구

** Reddit_ML- 무엇을 읽고 계시나요**

  • AI 기반 소셜 봇(2017년 6월 16일)

인공 지능의 많은 종족

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


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

딥 러닝 로드맵

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


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

딥러닝 네트워크 훈련 모범 사례

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


ML/DL 치트시트

신경망 아키텍처

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


Microsoft Azure 알고리즘 순서도

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


SAS 알고리즘 흐름도

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


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

알고리즘 요약

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


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


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


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

파이썬

알고리즘

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


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

파이썬 기초

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


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

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


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

넘피

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


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

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


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

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


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


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

팬더

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


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

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


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

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


Matplotlib

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


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


사이킷 런(Scikit Learn)

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


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


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


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

텐서플로우

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


파이토치

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


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

수학

개연성

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


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

선형대수학

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


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

통계

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


계산법

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


확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체