홈페이지>프로그래밍 관련>AI 소스 코드
다운로드

다양한 리포지토리 또는 노트북 , ML/DL 프로젝트 및 AGI/AI 팁/치트를 갖춘 기계 학습의 장점 .


개요 및 다음 행보

100DaysOfMLCode 챌린지가 시작되면서 이 Machine Learning Goodness 저장소는 완성된 Jupyter 노트북, Python 코드, ML 프로젝트, 유용한 ML/DL/NN 라이브러리, 리포지토리, ML/DL/NN/AI의 치트 코드, 유용한 정보로 매일 업데이트됩니다. 웹사이트, 유익한 학습 자료, 팁 등 기본 및 고급 Python 코딩은 말할 것도 없습니다.

도전이 끝났음에도 불구하고 저장소는 계속해서 커지고 있습니다. 발견된 기계 학습 세계의 새로운 유용한 자료는 책, 도구 또는 저장소에 추가될 뿐만 아니라 FinishYearWithML 챌린지에서 업데이트되고 내 Twitter 계정과 Linkedin은 물론 때때로 Facebook, Instagram을 통해 트윗됩니다.

목차

  • 목차
  • 가치 있는 책
  • 가치 있는 도구
  • 가치 있는 저장소
  • 노트북
  • 메모
  • 100DaysOfMLCode
  • FinishYearWithML
  • 공공의
  • 브라우저의 Jupyter
  • 심벌 마크
  • 특허

가치 있는 책

(맨 위로)

ML/DL/NN/AGI, Python 프로그래밍, AI 분석에 필요한 CS 기본 사항 및 개발자 또는 ML 엔지니어에게 유용한 책에 대한 전문 지식을 연마할 가치가 있는 책입니다.

숫자 제목 설명 링크
1 Grokking Algorithms: 프로그래머와 기타 호기심 많은 사람들을 위한 그림 가이드 문제 해결을 위해 기계 학습 및 프로그래밍에 사용되는 가장 널리 사용되는 알고리즘의 시각화 그로킹 알고리즘
2 알고리즘 설계 매뉴얼 다양한 컴퓨터 알고리즘의 수학적 분석 소개 알고리즘 설계 매뉴얼
3 프로그래머를 위한 범주 이론 Milewski의 프로그래밍 카페 게시물에 작성된 카테고리 이론에 관한 책 프로그래머를 위한 범주 이론
4 자동화된 기계 학습 이 책에는 AutoML에 필요한 기본적인 기술에 대한 개요가 포함되어 있으며 기존 AutoML 시스템에 대한 심층적인 토론을 제공하고 AutoML의 최신 기술을 평가합니다. 자동화된 기계 학습
5 컴퓨터 과학을 위한 수학 컴퓨터 공학을 위한 수학에 관한 MIT의 저서 컴퓨터 과학을 위한 수학
6 기계 학습을 위한 수학 기계 학습을 위한 수학에 관한 캘리포니아 대학의 저서 기계 학습을 위한 수학
7 응용 인공지능 AI 애플리케이션 엔지니어링 예약 응용 인공지능
8 머신러닝 파이프라인 자동화 Databricks Lakehouse 플랫폼을 사용한 ML 수명 주기 자동화에 대한 도서 개요 머신러닝 파이프라인 자동화
9 머신러닝에 대한 갈망 AI 엔지니어를 위한 책으로 딥러닝 시대를 개척하다 머신러닝에 대한 갈망
10 베이즈를 생각하세요 Python 구현 및 Jupyter Notebook을 사용한 베이지안 통계 소개 베이즈를 생각하세요
11 최고의 채팅GPT 가이드 ChatGPT로 당신의 삶을 향상시키는 100가지 리소스를 제공하는 책 최고의 채팅GPT 가이드
12 ChatGPT 프롬프트 기술: 명확하고 효과적인 프롬프트 작성 가이드 매력적이고 유익한 대화를 유도하는 매력적인 ChatGPT 프롬프트를 작성하기 위한 전략을 배울 수 있는 책 ChatGPT 프롬프트 기술: 명확하고 효과적인 프롬프트 작성 가이드
13 소프트웨어 엔지니어를 위한 10개의 ChatGPT 프롬프트 소프트웨어 엔지니어링 작업을 요청하는 방법을 배우는 책 소프트웨어 엔지니어를 위한 10개의 ChatGPT 프롬프트
14 AI 분야에서 경력을 쌓는 방법 기초 기술 학습, 프로젝트 작업, 일자리 찾기, 기계 커뮤니티에 대한 Andrew Ng의 통찰력 AI 분야에서 경력을 쌓는 방법
15 머신러닝 Q와 AI ML 인터뷰에서 자주 묻는 질문과 그에 대한 고급 정보를 담은 책 머신러닝 Q와 AI
16 기계 학습에 대한 종합 가이드 ML에 대한 포괄적인 가이드가 담긴 무료 책 기계 학습에 대한 종합 가이드
17 딥 러닝을 위한 수학: 신경망을 이해하기 위해 알아야 할 사항 데이터 과학의 수학 및 통계 기초를 다루는 기계 학습 및 인공 지능을 위한 수학 책입니다. 딥 러닝을 위한 수학: 신경망을 이해하기 위해 알아야 할 사항

가치 있는 도구

(맨 위로)

Python, 기계 학습, 딥 러닝, 신경망에 대한 치트 코드가 포함된 가치 있는 웹 사이트 및 도구와 기술을 배우거나 연마하는 동안 다른 가치 있는 도구 외에 다른 것도 여기에서 찾을 수 있습니다. 저장소에서 공유할 만한 가치 있는 자료가 발견되면 지속적으로 업데이트됩니다.

숫자 제목 설명 링크
1 Python 치트시트 "Automate the Boring Stuff with Python"이라는 책과 기타 여러 소스를 기반으로 한 Python 치트시트 Python 치트시트
2 기계 학습 알고리즘 치트시트 다양한 모델을 간략하게 설명하는 머신러닝 치트시트 ML 알고리즘 요약본
3 멋진 AI 데이터 세트 및 도구 인기 있는 오픈 소스 및 공개 데이터 세트, 데이터 시각화, 데이터 분석 리소스 및 데이터 레이크에 대한 링크 멋진 AI 데이터 세트 및 도구
4 머신러닝 치트시트 이 치트시트에는 기계 학습에 대한 지식과 아이디어를 빠르게 기억할 수 있도록 기계 학습에 대한 많은 고전 방정식과 다이어그램이 포함되어 있습니다. 머신러닝 치트시트
5 보편적 지능: 기계 지능의 정의 지능의 정의에 관한 출판물 유니버설 인텔리전스
6 로지스틱 회귀 로지스틱 회귀 분석의 자세한 개요 로지스틱 회귀
7 BCI 개요 뇌-컴퓨터 인터페이스(BCI)의 간단한 개요 BCI 개요
8 BCI 연구 뇌-컴퓨터 인터페이스(BCI)에 대한 흥미로운 연구 BCI 연구
9 화학 발견의 AI AI가 화학적 발견을 어떻게 변화시키고 있나요? 화학 발견의 AI
10 화학을 위한 기계 학습 화학을 위한 기계 학습의 모범 사례 화학을 위한 기계 학습
11 신약 발견을 위한 AI 도구 5가지 멋진 AI 기반 약물 발견 도구 신약 발견을 위한 AI 도구
12 양자화학과 딥러닝 양자화학에 대한 딥러닝과 신경망의 응용 양자화학과 딥러닝
13 컴퓨팅 기계 및 지능 Alan Turing의 AI에 관한 첫 번째 논문 컴퓨팅 기계 및 지능
14 Alan Turing의 블로그 AI에 관한 Alan Turing의 논문(목록 중 13개) 분석 및 그의 삶에 대한 블로그 게시물 앨런 튜링에 대한 블로그
15 마음, 두뇌 및 프로그램 John Searle의 '튜링 테스트'에 반대하는 논문 마음, 두뇌 및 프로그램
16 John Searle과 Alan Turing의 블로그 John Searle 논문(목록의 15개)에 대한 블로그 게시물과 AI 및 Alan Turing에 대한 아이디어 존 설과 앨런 튜링
17 딥러닝 신경망의 유튜브 채널 간단하고 따라하기 쉬운 설명으로 신경망이 무엇인지 설명하는 놀라운 YouTube 채널 딥러닝의 신경망
18 신경망의 8가지 아키텍처 모든 ML 엔지니어가 알아야 할 신경망의 8가지 아키텍처 8개 아키텍처
19 유기 화학 반응 예측을 위한 신경망 반응 유형 예측을 위한 신경망 사용 유기 화학 반응 예측을 위한 NN
20 반응 조건 예측을 위한 전문가 시스템: 마이클 반응 사례 고려된 각 반응 조건 옵션과 유기 화학 공정의 호환성을 결정하기 위해 모델이 구축되었습니다. 반응 조건 예측을 위한 전문가 시스템
21 화학 반응 공간의 기계 학습 ML 개념을 사용하여 여러 반응에 관여하는 분자의 반응 공간을 살펴보았습니다. 화학 반응 공간의 기계 학습
22 화학 반응을 위한 기계 학습 기계 학습 기술을 사용하여 해결할 수 있고 해결된 질문에 대한 개요 화학 반응을 위한 기계 학습
23 바이토치 개요 PyTorch의 프레임워크인 BoTorch 바이토치 개요
24 바이토치 공식 베이지안 최적화 또는 단순히 BoTorch의 공식 웹사이트 바이토치 공식
25 VS 코드 치트시트 VS 코드 바로가기 치트시트 VS 코드 치트시트
26 간단한 머신러닝 치트시트 그것을 만드는 모든 분야의 기계 학습 치트 시트와 일반적으로 사용되는 알고리즘 머신러닝 치트시트
27 강화 학습에 관한 DeepMind 및 UCL 강화 학습에 대한 DeepMind 및 UCL 강의 비디오 강화 학습에 관한 DeepMind 및 UCL
28 스탠포드 머신 러닝 풀 코스 Stanford University에서 강의 슬라이드로 제공되는 전체 기계 학습 과정 스탠포드 머신 러닝 풀 코스
29 Coursera의 딥 러닝 전문 분야 deeplearning.ai의 Andrew Ng와 그의 팀이 제공한 DL 전문화 Coursera의 딥 러닝 전문 분야
30 간단한 클러스터링 치트시트 간단한 비지도 학습 클러스터링 치트시트 클러스터링 치트시트
31 혼란 매트릭스에 대한 치트시트 정확도, 정밀도, 재현율, TPR, FPR, 특이성, 민감도, ROC 및 혼동 행렬의 모든 항목에 대한 치트시트 혼란 매트릭스에 대한 치트시트
32 데이터 과학자를 위한 치트시트 데이터 과학자를 위한 다양하고 다양한 치트시트 데이터 과학자를 위한 치트시트
33 K-평균 클러스터링 시각화 K-평균 클러스터링을 설명하는 간단한 그래픽 K-평균 클러스터링 시각화
34 3Blue1Brown의 유튜브 채널 애니메이션 수학 개념을 다루는 YouTube 채널 애니메이션 수학 개념
35 선형대수학의 본질 3Blue1Brown의 선형 대수학에 대한 YouTube 재생 목록 선형대수학
36 강화 학습의 신경과학 강화 학습을 위한 신경과학의 프린스턴 슬라이드 강화학습의 신경과학
37 약물 설계 강화 학습 약물 설계의 강화 학습 구현 약물 설계 강화 학습
38 백업이 포함된 뇌-컴퓨터 인터페이스 유연하고 성형 가능한 지지체와 관통형 미세바늘을 갖춘 고급 BCI 백업 기능이 있는 두뇌-컴퓨터 인터페이스
39 빅오 표기법 Big O 표기법에 대한 훌륭하고 간단한 설명 빅오 표기법
40 6 데이터 과학 수료증 경력을 향상시키는 6가지 데이터 과학 자격증 6 데이터 과학 수료증
41 지능의 척도에 대하여 인공지능이 얼마나 인간과 유사한지를 측정하는 신개념 지능의 척도에 대하여
42 지능의 정의 모음 지능에 대한 70가지 이상의 정의 지능의 정의 모음
43 AlphaCode를 사용한 경쟁 수준 코드 생성 알파코드 논문 AlphaCode를 사용한 경쟁 수준 코드 생성
44 기계 학습 머신러닝이란 무엇인가요? 잘 설명된 소개 기계 학습
45 오토인코더 자동 인코더 소개 및 불완전 자동 인코더에 대해 자세히 알아보기 오토인코더
46 ChatGPT 치트시트 ChatGPT를 많이 사용하는 사람을 위한 필수 치트시트 ChatGPT 치트시트
47 Scikit-learn 치트시트 기계 학습을 위한 Scikit-Learn 치트시트 Scikit-Learn 치트시트
48 상위 13개 Python 딥 러닝 라이브러리 Python을 사용한 딥 러닝의 상위 라이브러리 요약 상위 13개 Python 딥 러닝 라이브러리
49 기계 학습 시각화에 대한 간단한 가이드 ML 모델 성능에 대한 육안 검사 요약 기계 학습 시각화에 대한 간단한 가이드
50 머신러닝 모델에서 발생하는 체계적 오류 발견 일관된 검증 데이터 조각에서 높은 전체 정확도를 달성하는 기계 학습 모델에서 오류를 발견하기 위한 요약 머신러닝 모델에서 발생하는 체계적 오류 발견
51 가설 테스트 설명? 가설 검정의 설명 기계 학습 시각화에 대한 간단한 가이드
52 AI 입문 강좌 마이크로소프트가 제공하는 초보자를 위한 무료 AI 입문 강좌 AI 입문 강좌
53 ChatGPT 생산성 해킹 ChatGPT 생산성 꿀팁: 챗봇을 사용하여 삶을 더 쉽게 만드는 5가지 방법 ChatGPT 생산성 해킹
54 데이터 과학으로 세 배의 돈을 벌다 동료가 18개월 만에 데이터 과학으로 소득을 3배로 늘린 방법에 대한 기사 데이터 과학으로 세 배의 돈을 벌다
55 AI의 향후 10년 예측 Andrew Ng의 향후 10년 AI 예측 AI의 향후 10년 예측
56 마음 이론은 대규모 언어 모델에서 자연스럽게 등장했을 수 있습니다. ChatGPT와 같은 LLM 모델을 개요하는 출판물 마음 이론은 대규모 언어 모델에서 자연스럽게 등장했을 수 있습니다.
57 ChatGPT가 기계 학습을 자동화하는 데 어떻게 도움이 됩니까? 기계 학습의 ChatGPT ChatGPT가 기계 학습을 자동화하는 데 어떻게 도움이 됩니까?
58 ChatGPT 치트 시트 비공식 ChatGPT 치트 시트 ChatGPT 치트 시트
59 OpenAI 요리책 공식 ChatGPT 치트 시트 OpenAI 요리책
60 신약 발견을 위한 지식 증강 그래프 기계 학습: 정밀도에서 해석 가능성까지의 조사 Drug Discovery의 그래프 머신러닝 구현 신약 발견을 위한 지식 증강 그래프 기계 학습: 정밀도에서 해석 가능성까지의 조사
61 기계 학습 시각화에 대한 간단한 가이드 ML 시각화 가이드 기계 학습 시각화에 대한 간단한 가이드
62 PyTorch 신경망을 시각화하는 방법 – Python의 3가지 예 PyTorch 시각화의 3가지 예 PyTorch 신경망을 시각화하는 방법 – Python의 3가지 예
63 머신러닝에서 데이터 시각화의 역할 ML에서 시각화의 역할 머신러닝에서 데이터 시각화의 역할
64 A/B 테스트 결과 해석: 거짓양성 및 통계적 유의성 A/B 테스트 결과 해석 A/B 테스트 결과 해석: 거짓양성 및 통계적 유의성
65 A/B 테스트 설계, 구현 및 함정에 대한 전체 가이드 A/B 테스트에 대한 전체 가이드 A/B 테스트 설계, 구현 및 함정에 대한 전체 가이드
66 인터뷰에서 데이터 과학자 및 데이터 엔지니어를 위한 팁 Seattle Data Guy의 인터뷰 팁 인터뷰에서 데이터 과학자 및 데이터 엔지니어를 위한 팁
67 데이터 과학을 위한 Git 치트 시트 데이터 과학을 위한 Git 명령 치트 시트 데이터 과학을 위한 Git 치트 시트
68 유방암 분류를 위한 CNN 생체검사 영상을 통해 환자의 유방암 여부를 자동으로 판별하는 알고리즘 개요 유방암 분류를 위한 CNN
69 굿하트의 법칙 OpenAI에서 사용되는 Goodhart의 법칙 개요 굿하트의 법칙
70 ML 플랫폼을 처음부터 구축하는 방법 모델을 설계, 교육 및 배포하는 표준 방법 ML 플랫폼을 처음부터 직접 구축하는 방법
71 자기 지도 학습 요약 자기 지도 학습 개요 자기 지도 학습 요약
72 MLOps 요약(2021) MLOps 개요 MLOps 요약(2021)
73 MLOps 요약(2020) MLOps 개요 MLOps 요약(2020)
74 신경망 기술 신경망의 예술적 표현 신경망 기술
75 MLOps의 디자인 패턴 MLOps의 디자인 패턴 요약 MLOps의 디자인 패턴
76 AI 세계에서 무슨 일이 일어나고 있는지 파악하는 방법 모든 뉴스를 확인하고 끝없는 AI 정보 흐름을 탐색하는 방법에 대한 리소스 AI 세계에서 무슨 일이 일어나고 있는지 파악하는 방법
77 ChatGPT 및 Whisper API ChatGPT 및 Whisper API 개발자를 위한 통합 도구 ChatGPT 및 Whisper API
78 당신을 채용할 20가지 머신러닝 프로젝트 ML 엔지니어로 채용되어야 하는 프로젝트 당신을 채용할 20가지 머신러닝 프로젝트
79 7가지 최고의 머신러닝 프로그래밍 언어 기계 학습에 사용되는 주요 프로그래밍 언어 7가지 최고의 머신러닝 프로그래밍 언어
80 기계 학습 프로젝트를 위한 효과적인 테스트(1부) ML 프로젝트를 위한 효과적인 테스트에 대한 블로그 게시물(1부) 기계 학습 프로젝트를 위한 효과적인 테스트(1부)
81 기계 학습 프로젝트를 위한 효과적인 테스트(2부) ML 프로젝트를 위한 효과적인 테스트에 대한 블로그 게시물(2부) 기계 학습 프로젝트를 위한 효과적인 테스트(3부)
82 기계 학습 프로젝트를 위한 효과적인 테스트(3부) ML 프로젝트를 위한 효과적인 테스트에 대한 블로그 게시물(3부) 기계 학습 프로젝트를 위한 효과적인 테스트(3부)
83 Netflix에서의 의사결정 Netflix가 A/B 테스트를 사용하여 제품을 지속적으로 개선하는 결정을 내려 회원에게 더 많은 즐거움과 만족을 제공하는 방법 Netflix에서의 의사결정
84 A/B 테스트란 무엇입니까? Netflix가 A/B 테스트를 사용하여 결정을 알리고 제품을 지속적으로 혁신하는 방법 A/B 테스트란 무엇입니까?
85 A/B 테스트 결과 해석: 거짓양성 및 통계적 유의성 오탐지와 통계적 유의성을 살펴봄으로써 A/B 테스트 결과 해석 A/B 테스트 결과 해석: 거짓양성 및 통계적 유의성
86 A/B 테스트 설계, 구현 및 함정에 대한 전체 가이드 예제와 Python 구현을 통해 비기술 및 기술 전문가를 위한 데이터 과학 실험을 위한 엔드투엔드 A/B 테스트 A/B 테스트 설계, 구현 및 함정에 대한 완전한 가이드입니다.
87 데이터 과학 인터뷰를 위해 알아야 할 10가지 통계 개념 데이터 사이언스 인터뷰를 위해 알아야 할 통계 개념 데이터 과학 인터뷰를 위해 알아야 할 10가지 통계 개념
88 딥 러닝 모델 평가: 혼동 행렬, 정확성, 정밀도 및 재현율 혼동 행렬, 정확도, 정밀도 및 재현율 측정항목을 사용하여 ML 모델을 평가하는 개요 딥 러닝 모델 평가: 혼동 행렬, 정확성, 정밀도 및 재현율
89 의학의 인공 지능: 환자 치료 개선을 위한 구조적 문제를 극복하거나 요약합니까? 의학에서의 AI의 관점 의학의 인공 지능: 환자 치료 개선을 위한 구조적 문제를 극복하거나 요약합니까?
90 신약 발견의 그래프 신경망 신약 발견 프로세스를 혁신하여 새로운 화합물을 찾는 효율성을 높이는 딥 러닝 애플리케이션 신약 발견의 그래프 신경망
91 X선 데이터의 노이즈를 줄이기 위한 새로운 AI 접근 방식 노이즈가 있는 X선 데이터를 노이즈가 없는 입력 신호로 대체하기 위한 자동 인코더 사용 개요 X선 데이터의 노이즈를 줄이기 위한 새로운 AI 접근 방식
92 자연어 처리 가이드에서는 작동 방식, 최고의 기술이 적용되는 위치 등을 다룹니다. 자연어 처리
93 빅오 치트시트 데이터 구조에 대한 Big O 치트시트 #1 빅오 치트시트
94 빅오 치트시트 데이터 구조에 대한 Big O 치트시트 #2 빅오 치트시트
95 AI 생성 콘텐츠(AIGC)에 대한 종합 조사: GAN에서 ChatGPT까지 생성 AI의 역사 생성적 AI 기술 및 애플리케이션의 역사적 개요 AI 생성 콘텐츠(AIGC)에 대한 종합 조사: GAN에서 ChatGPT까지 생성 AI의 역사
96 챗닥터 의료 도메인 지식을 활용하여 LLaMA 모델을 미세 조정한 의료 채팅 모델 챗닥터
97 모든 치트 시트 인공 지능부터 데이터 엔지니어링, 기계 학습, Linux, 수학, R, Matlab 및 기타 다양한 분야에 이르는 치트시트 모든 치트 시트
98 GMAI 대규모 의료 AI 모델 개발을 추진하고, 의료 작업의 정확성을 높이고, 복잡한 의료 정보에 더 쉽게 접근하고, 수술 팀을 지원하기 위한 Generalist Medical AI(GMAI)에 관한 논문 GMAI
99 9가지 필수 ChatGPT 프롬프트 예시가 포함된 9가지 필수 ChatGPT 프롬프트 9가지 필수 ChatGPT 프롬프트
100 IPython ChatGPT 확장 Jupyter Notebook 또는 IPython Shell에서 직접 ChatGPT를 사용할 수 있는 확장 IPython ChatGPT 확장
101 오픈어시스턴트 ChatGPT의 오픈 소스 대안 오픈어시스턴트
102 DINOV2 비지도 비전 변환기 모델은 거의 모든 CV 작업의 백본으로 사용할 수 있습니다. DINOV2
103 데이터몰 신약 발견 분야의 ML 과학자를 위한 분자 처리 및 기능화 워크플로를 단순화하는 오픈 소스 툴킷 데이터몰
104 ChatGPT와 GPT4 비교 ChatGPT와 GPT를 비교하는 이미지 ChatGPT와 GPT4 비교
105 자기 지도 학습 요리책 지능의 암흑물질에 관한 연구와 모든 기록 자기 지도 학습 요리책
106 프롬프트 엔지니어링 치트 시트 GPT와 같은 채팅 봇에 훌륭한 프롬프트를 작성하는 데 도움 프롬프트 엔지니어링 치트 시트
107 GitHub 코파일럿 가이드 GitHub Copilot 가이드(슬라이드) GitHub 코파일럿 가이드
108 GitHub Copilot과 ChatGPT 비교 프로그래밍 도우미와 챗봇을 슬라이드로 비교 GitHub Copilot과 ChatGPT 비교
109 GitHub Copilot과 Codeium 비교 코딩 도우미 비교; 하나는 지불 가능, 다른 하나는 오픈 소스 GitHub Copilot과 Codeium 비교
110 AutoGPT 시작하기 AutoGPT 시작하기 - 설치 - 사용 사례 - 오용 가능성 [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/AutoGPT_Guide.pdf]
111 유용한 AI 도구 Copilot부터 AutoGPT, MidJourney, Grammarly, 대화형 봇까지 유용한 AI 도구 [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/Useful_AI_Tools.pdf]
112 ChatGPT 프롬프트 치트 시트 유용한 ChatGPT 프롬프트 치트시트 ChatGPT 프롬프트 치트 시트
113 기계 학습 엔지니어와 과학자를 위한 첫 번째 과정 기계 학습 초보자부터 케임브리지 대학의 고급 정보까지 기계 학습 엔지니어와 과학자를 위한 첫 번째 과정입니다.
114 머신러닝 프로젝트 머신러닝 프로젝트 머신러닝 프로젝트
115 Python 데이터 과학 핸드북 Python 데이터 과학 핸드북 Python 데이터 과학 핸드북
116 Python을 이용한 통계 소개 통계는 데이터의 수집, 분석, 해석, 표현 및 구성을 다루는 수학의 한 분야입니다. Python을 이용한 통계 소개
117 모두를 위한 파이썬 모두를 위한 파이썬 모두를 위한 파이썬
118 모두를 위한 Python을 사용한 기계 학습(Addison-Wesley 데이터 및 분석 시리즈) 모두를 위한 Python을 사용한 머신러닝 모두를 위한 Python을 사용한 기계 학습(Addison-Wesley 데이터 및 분석 시리즈)
119 데이터 분석을 위한 Python 데이터 분석을 위한 Python 데이터 분석을 위한 Python
120 Python 데이터 과학 필수사항 Python 데이터 과학 필수사항 Python 데이터 과학 필수사항
121 Python을 사용한 그래프 데이터 모델링 Python을 사용한 그래프 데이터 모델링 Python을 사용한 그래프 데이터 모델링
122 50일간의 Python — 하루에 한 번 도전해보세요. 50일간의 Python — 하루에 한 번 도전해보세요. 50일간의 Python — 하루에 한 번 도전해보세요.
123 작은 Python 프로젝트 작은 Python 프로젝트 작은 Python 프로젝트
124 놀라운 AI ​​도구 글쓰기부터 비디오, 디자인, 생산성, 마케팅, 챗봇까지 AI 도구 놀라운 AI ​​도구
125 소스 코드가 포함된 150개 이상의 Python 프로젝트 소스 코드가 포함된 179개의 Python 프로젝트 소스 코드가 포함된 150개 이상의 Python 프로젝트

가치 있는 저장소

(맨 위로)

모든 세부 정보가 포함된 ML/DL/NN/AGI 과정과 관련된 가치 있는 GitHub 리포지토리는 여기에서 찾을 수 있습니다.

숫자 제목 설명 링크
1 고급 AI 코스 Code Academy 고급 AI 과정(리투아니아) 고급 AI 코스
2 Coursera의 딥 러닝 과정에 대한 GitHub Deeplearning.ai의 Coursera 딥 러닝 전문화를 위한 GitHub 저장소 Coursera의 DL 과정에 대한 GitHub
3 Coursera의 딥 러닝 과정에 대한 참고 사항 Deeplearning.ai의 Coursera 딥러닝 전문화 강의 노트 Cousera의 DL 과정에 대한 참고 사항
4 기계 학습의 범주 이론 다양한 AI 분야의 카테고리 이론(Category Theory) 출판물 목록이 포함된 Github ML의 범주 이론
5 기계 학습의 기초 기계 학습 전문가가 사용하는 개념, 기술 및 수학적 프레임워크 이해 ML의 기초
6 굉장해 RL 강화 학습에 관한 놀라운 자료를 담은 Github 저장소 굉장해 RL
7 화학 반응 최적화 심층 강화 학습을 통한 화학 반응 최적화 화학 반응 최적화
8 머신러닝 치트시트 지도 학습, 비지도 학습, 딥 러닝에 대한 기계 학습 치트시트와 팁 및 요령 머신러닝 치트시트
9 ML 유튜브 강좌 YouTube에서 제공되는 최신 머신러닝 강좌 ML 유튜브 강좌
10 머신러닝 강좌 노트 머신러닝 관련 강좌 참고사항 머신러닝 강좌 노트
11 ML 프로젝트를 위한 효과적인 테스트 ML 프로젝트를 위한 효과적인 테스트를 위한 GitHub 저장소 ML 프로젝트를 위한 효과적인 테스트
12 챗닥터 ChatDoctor용 GitHub 저장소는 90일째에 작성되거나 도구에서 96개 항목으로 액세스됩니다. 챗닥터 GitHub
13 자동 GPT GPt4의 기능을 보여주는 실험적 애플리케이션의 GitHub 저장소 자동 GPT
14 비쿠나-13B 최대 70,000개의 사용자 공유 ChatGPT 대화에서 LLaMA를 미세 조정하여 훈련된 오픈 소스 챗봇 비쿠나-13B
15 프롬프트 엔지니어링 가이드 프롬프트 엔지니어링 가이드 프롬프트 엔지니어링 가이드
16 Python을 통한 최고의 머신러닝 910개의 선별된 ML 프로젝트 Python을 통한 최고의 머신러닝
17 초보자를 위한 데이터 과학 - 커리큘럼 Microsoft의 Azure Cloud Advocates는 데이터 과학에 관한 10주 20개 강의 커리큘럼을 제공하게 된 것을 기쁘게 생각합니다. 초보자를 위한 데이터 과학 - 커리큘럼
18 데이터 과학 인터뷰 - 리소스 데이터 과학 인터뷰 리소스 데이터 과학 인터뷰 - 리소스
19 멋진 데이터 과학 실제 문제를 해결하기 위해 데이터 과학 기술을 배우고 적용할 수 있는 오픈 소스 데이터 과학 저장소 멋진 데이터 과학
20 데이터몰 신약 발견 분야의 ML 과학자를 위한 분자 처리 및 기능화 워크플로를 단순화하는 오픈 소스 툴킷 데이터몰
21 비공개GPT LLM의 강력한 기능을 사용하여 인터넷 연결 없이 문서에 질문을 할 수 있는 마법의 도구입니다. 비공개GPT
22 RT-2 모델 최대 55B 매개변수 백본을 사용하고 이를 미세 조정하여 실제 세계에서 실행되는 로봇 동작을 직접 출력하는 모델 RT-2
23 GPTCache GPT-3 API 호출 결과를 캐시하고 나중에 재사용할 수 있는 도구 GPTCache
24 멋진 AI 기반 개발자 도구 코드 완성, 리팩토링, 디버깅, 문서화 등과 같은 작업에서 개발자를 지원하기 위해 AI를 활용하는 도구 멋진 AI 기반 개발자 도구

노트북

(맨 위로)

다양한 데이터 세트의 완료 노트북을 여기에서 찾을 수 있습니다.

메모

(맨 위로)

강의를 통해 다룬 추가 메모나 제가 언급하고 이야기한 자료는 여기에서 확인할 수 있습니다.

100DaysOfMLCode

(맨 위로)

매일 #100DaysOfMLCode 챌린지의 자료는 여기의 README 섹션에서 찾을 수 있습니다.

FinishYearWithML

(맨 위로)

매일 #FinishYearWithML 챌린지 자료는 여기 README 섹션에서 찾을 수 있습니다.

공공의

(맨 위로)

공용 폴더에는 두 개의 파일이 포함되어 있습니다.

  • todolist - 할 일 목록.
  • 이미지 - 이미지 폴더.

브라우저의 Jupyter

(맨 위로)

첫 번째 좋은 점은 여기로 이동하여 이 기사에서 자세한 내용을 읽어 브라우저를 통해서도 Jupyter를 실행할 수 있다는 것입니다.

브라우저를 통해 Jupyter Notebook을 실행하는 데 어려움이 있는 경우 여기를 클릭하여 Google Colab을 사용할 수 있습니다. 두 기계의 기능은 비슷합니다.

심벌 마크

(맨 위로)

저장소의 로고는 여기에서 찾을 수 있습니다.

특허

(맨 위로)

MIT 라이선스는 여기에서 확인할 수 있습니다.

확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체