Machine Learning Goodness
1.0.0
Machine Learning Goodness com vários repositórios ou notebooks , projetos de ML/DL e dicas/cheats de AGI/AI .
Visão geral e próximo passo
Com o início do desafio 100DaysOfMLCode , este repositório Machine Learning Goodness é atualizado diariamente com os notebooks Jupyter completos, códigos Python, projetos de ML, bibliotecas úteis de ML/DL/NN, repositórios, códigos de trapaça de ML/DL/NN/AI, informações úteis como sites, materiais de aprendizagem benéficos, dicas e outros enfeites, sem mencionar alguma codificação Python básica e avançada.
À medida que o desafio acaba, o repo ainda cresce. Novos materiais ou materiais benéficos no mundo do aprendizado de máquina, quando encontrados, são adicionados a livros, ferramentas ou repositórios, bem como atualizados no desafio FinishYearWithML e twittados através da minha conta no Twitter e no Linkedin, bem como às vezes no Facebook, Instagram.
(Voltar ao topo)
Livros valiosos para aprimorar conhecimentos em ML/DL/NN/AGI, programação Python, fundamentos de CS necessários para análise de IA e qualquer livro útil para um desenvolvedor ou engenheiro de ML.
| Número | Título | Descrição | Link |
|---|---|---|---|
| 1 | Algoritmos Grokking: um guia ilustrado para programadores e outras pessoas curiosas | Visualização dos algoritmos mais populares usados em aprendizado de máquina e programação para resolver problemas | Algoritmos Grokking |
| 2 | Manual de Design de Algoritmo | Introdução à análise matemática de uma variedade de algoritmos de computador | Manual de Design de Algoritmo |
| 3 | Teoria das categorias para programadores | Livro sobre Teoria das Categorias escrito em postagens do café de programação de Milewski | Teoria das categorias para programadores |
| 4 | Aprendizado de máquina automatizado | O livro inclui visões gerais das técnicas básicas que precisamos no AutoML, fornece discussões aprofundadas sobre os sistemas AutoML existentes e avalia o estado da arte no AutoML | Aprendizado de máquina automatizado |
| 5 | Matemática para Ciência da Computação | Livro do MIT sobre Matemática para Ciência da Computação | Matemática para Ciência da Computação |
| 6 | Matemática para aprendizado de máquina | Livro da Universidade da Califórnia sobre Matemática para Aprendizado de Máquina | Matemática para aprendizado de máquina |
| 7 | Inteligência Artificial Aplicada | Livro sobre aplicações de engenharia de IA | Inteligência Artificial Aplicada |
| 8 | Automatizando o pipeline de aprendizado de máquina | Visão geral do livro sobre como automatizar o ciclo de vida de ML com a plataforma Databricks Lakehouse | Automatizando o pipeline de aprendizado de máquina |
| 9 | Anseio por aprendizado de máquina | O livro para engenheiros de IA vencem a era do Deep Learning | Anseio por aprendizado de máquina |
| 10 | Pense em Bayes | Uma introdução às estatísticas bayesianas com implementação Python e Jupyter Notebooks | Pense em Bayes |
| 11 | O guia definitivo do ChatGPT | O livro que oferece 100 recursos para melhorar sua vida com ChatGPT | O guia definitivo do ChatGPT |
| 12 | A arte da solicitação do ChatGPT: um guia para criar solicitações claras e eficazes | O livro para aprender estratégias para criar prompts ChatGPT atraentes que geram conversas envolventes e informativas | A arte da solicitação do ChatGPT: um guia para criar solicitações claras e eficazes |
| 13 | 10 solicitações do ChatGPT para engenheiros de software | O livro para aprender como solicitar tarefas de engenharia de software | 10 solicitações do ChatGPT para engenheiros de software |
| 14 | Como construir sua carreira em IA | Os insights de Andrew Ng sobre aprender habilidades básicas, trabalhar em projetos, encontrar empregos e comunidade em máquinas | Como construir sua carreira em IA |
| 15 | Q e IA de aprendizado de máquina | O livro sobre perguntas populares feitas em entrevistas sobre ML e informações avançadas para essas perguntas | Q e IA de aprendizado de máquina |
| 16 | Um guia completo para aprendizado de máquina | Um livro gratuito com um guia completo para ML | Um guia completo para aprendizado de máquina |
| 17 | Matemática para aprendizado profundo: o que você precisa saber para compreender as redes neurais | Um livro de Matemática para Aprendizado de Máquina e Inteligência Artificial que vai para os Fundamentos de Matemática e Estatística da Ciência de Dados | Matemática para aprendizado profundo: o que você precisa saber para compreender as redes neurais |
(Voltar ao topo)
Sites e ferramentas valiosos que incluem códigos de trapaça para Python, aprendizado de máquina, aprendizado profundo, redes neurais e outras ferramentas valiosas enquanto você está aprendendo ou aprimorando suas habilidades podem ser encontrados aqui. Atualizado constantemente quando um material digno é encontrado para ser compartilhado no repositório.
| Número | Título | Descrição | Link |
|---|---|---|---|
| 1 | Folha de dicas do Python | O Cheatsheet do Python baseado no livro "Automate the Boring Stuff with Python" e muitas outras fontes | Folha de dicas do Python |
| 2 | Folha de referências de algoritmos de aprendizado de máquina | O cheatsheet do aprendizado de máquina explicando brevemente vários modelos | Folha de referências de algoritmos de ML |
| 3 | Conjuntos de dados e ferramentas de IA incríveis | Links para conjuntos de dados públicos e de código aberto populares, visualizações de dados, recursos de análise de dados e data lakes | Conjuntos de dados e ferramentas de IA incríveis |
| 4 | Folha de dicas de aprendizado de máquina | Este Cheatsheet contém muitas equações e diagramas clássicos sobre aprendizado de máquina para relembrar rapidamente conhecimentos e ideias sobre aprendizado de máquina | Folha de dicas de aprendizado de máquina |
| 5 | Inteligência Universal: Uma Definição de Inteligência de Máquina | A publicação sobre definições de inteligência | Inteligência Universal |
| 6 | Regressão Logística | Visão geral detalhada da regressão logística | Regressão Logística |
| 7 | Visão Geral do BCI | Visão geral simples da interface cérebro-computador (BCI) | Visão Geral do BCI |
| 8 | Pesquisa BCI | Pesquisa fascinante da Interface Cérebro-Computador (BCI) | Pesquisa BCI |
| 9 | IA na descoberta química | Como a IA está mudando a descoberta química? | IA na descoberta química |
| 10 | Aprendizado de máquina para química | Melhores práticas em aprendizado de máquina para química | Aprendizado de máquina para química |
| 11 | Ferramentas de IA para descoberta de medicamentos | 5 ferramentas interessantes de descoberta de medicamentos com tecnologia de IA | Ferramentas de IA para descoberta de medicamentos |
| 12 | Química Quântica e Aprendizado Profundo | A aplicação de Deep Learning e Redes Neurais em Química Quântica | Química Quântica e Aprendizado Profundo |
| 13 | Máquinas de Computação e Inteligência | Primeiro artigo sobre IA de Alan Turing | Máquinas de Computação e Inteligência |
| 14 | O blog sobre a tomada de Alan Turing | A análise do artigo de Alan Turing sobre IA (13 na lista) e a postagem no blog sobre a vida dele | Blog sobre Alan Turing |
| 15 | Mentes, Cérebros e Programas | Artigo que contesta o 'Teste de Turing' de John Searle | Mentes, Cérebros e Programas |
| 16 | O blog sobre a tomada de John Searle e Alan Turing | A postagem do blog sobre o artigo de John Searle (15 na lista) e ideias sobre IA e Alan Turing | John Searle e Alan Turing |
| 17 | O canal do Youtube sobre Redes Neurais de Deep Learning | Um canal incrível no youtube explicando o que é Rede Neural com descrições simples e fáceis de seguir | Redes Neurais de Deep Learning |
| 18 | 8 arquiteturas de Redes Neurais | 8 arquiteturas de rede neural que todo engenheiro de ML deve conhecer | 8 arquiteturas |
| 19 | Redes Neurais para Predição de Reações Químicas Orgânicas | O uso de redes neurais para prever tipos de reação | NNs para previsão de reações químicas orgânicas |
| 20 | Sistema especialista para prever condições de reação: o caso da reação de Michael | Modelos foram construídos para decidir a compatibilidade de um processo de química orgânica com cada opção de condição de reação considerada | Sistema especialista para previsão de condições de reação |
| 21 | Aprendizado de máquina no espaço de reação química | Analisou espaços de reação de moléculas envolvidas em múltiplas reações usando conceitos de ML | Aprendizado de máquina no espaço de reação química |
| 22 | Aprendizado de máquina para reações químicas | Uma visão geral das questões que podem e foram abordadas usando técnicas de aprendizado de máquina | Aprendizado de máquina para reações químicas |
| 23 | Visão geral do ByTorch | BoTorch como estrutura do PyTorch | Visão geral do ByTorch |
| 24 | Oficial da ByTorch | Otimização Bayesiana ou simplesmente um site oficial do BoTorch | Oficial da ByTorch |
| 25 | Folha de dicas do código VS | Folha de dicas de atalho do código VS | Folha de dicas do código VS |
| 26 | Folha de dicas simples de aprendizado de máquina | O cheatsheet do aprendizado de máquina de todos os campos que o compõem e algoritmos comumente usados | Folha de dicas de aprendizado de máquina |
| 27 | DeepMind e UCL em Aprendizagem por Reforço | Palestras DeepMind e UCL como vídeos sobre Aprendizado por Reforço | DeepMind e UCL em Aprendizagem por Reforço |
| 28 | Curso completo de aprendizado de máquina de Stanford | Curso completo de aprendizado de máquina como slides de aula ministrados na Universidade de Stanford | Curso completo de aprendizado de máquina de Stanford |
| 29 | Especialização em Aprendizado Profundo do Coursera | Especialização DL ministrada pelo grande Andrew Ng e sua equipe em deeplearning.ai | Especialização em Aprendizado Profundo do Coursera |
| 30 | Folha de dicas de cluster simples | Folha de dicas simples de cluster de aprendizagem não supervisionada | Folha de dicas de cluster |
| 31 | Folha de dicas sobre Matriz de confusão | Folha de dicas sobre exatidão, precisão, recall, TPR, FPR, especificidade, sensibilidade, ROC e todas essas coisas na matriz de confusão | Folha de dicas sobre Matriz de confusão |
| 32 | Folhas de dicas para cientistas de dados | Várias e diferentes cheatsheets para cientistas de dados | Folhas de dicas para cientistas de dados |
| 33 | Visualização de agrupamento K-Means | Gráficos simples explicando o agrupamento K-Means | Visualização de agrupamento K-Means |
| 34 | Canal no Youtube por 3Blue1Brown | Canal no Youtube sobre conceitos matemáticos animados | Conceitos matemáticos animados |
| 35 | Essência da Álgebra Linear | Playlist do Youtube sobre Álgebra Linear por 3Blue1Brown | Álgebra Linear |
| 36 | A neurociência da aprendizagem por reforço | Os slides de Princeton de Neurociência para Aprendizagem por Reforço | A Neurociência da Aprendizagem por Reforço |
| 37 | Aprendizagem por Reforço do Design de Medicamentos | Implementação de Aprendizagem por Reforço do Design de Medicamentos | Aprendizagem por Reforço do Design de Medicamentos |
| 38 | Interface Cérebro-Computador com suporte | BCI avançada com suporte flexível e moldável e microagulhas penetrantes | Interface Cérebro-Computador com suporte |
| 39 | Notação O Grande | Explicação excelente e simples sobre a notação Big O | Notação O Grande |
| 40 | 6 certificados de ciência de dados | 6 certificados de ciência de dados para impulsionar sua carreira | 6 certificados de ciência de dados |
| 41 | Na medida da inteligência | O novo conceito para medir o quão semelhante à inteligência artificial humana é | Na medida da inteligência |
| 42 | Uma coleção de definições de inteligência | 70 definições estranhas de inteligência | Uma coleção de definições de inteligência |
| 43 | Geração de código em nível de competição com AlphaCode | Papel AlphaCode | Geração de código em nível de competição com AlphaCode |
| 44 | Aprendizado de máquina | O que é aprendizado de máquina? Uma introdução bem explicada | Aprendizado de máquina |
| 45 | Codificadores automáticos | Introdução aos Autoencoders e mergulho nos Autoencoders Subcompletos | Codificadores automáticos |
| 46 | Folha de dicas do ChatGPT | Um Cheatsheet obrigatório para quem usa muito o ChatGPT | Folha de dicas do ChatGPT |
| 47 | Folha de dicas do Scikit-learn | Scikit-Learn Cheatsheet para aprendizado de máquina | Folha de dicas do Scikit-Learn |
| 48 | As 13 principais bibliotecas de aprendizado profundo em Python | Resumo das principais bibliotecas em aprendizado profundo usando Python | As 13 principais bibliotecas de aprendizado profundo em Python |
| 49 | Um guia simples para visualizações de aprendizado de máquina | Resumo da inspeção visual do desempenho dos modelos de ML | Um guia simples para visualizações de aprendizado de máquina |
| 50 | Descobrindo os erros sistemáticos cometidos por modelos de aprendizado de máquina | Resumo para descobrir erros em modelos de aprendizado de máquina que alcançam alta precisão geral em fatias coerentes de dados de validação | Descobrindo os erros sistemáticos cometidos por modelos de aprendizado de máquina |
| 51 | Teste de hipótese explicado? | Explicação do teste de hipóteses | Um guia simples para visualizações de aprendizado de máquina |
| 52 | Curso de introdução à IA | Curso introdutório gratuito de IA para iniciantes ministrado pela Microsoft | Curso de introdução à IA |
| 53 | Hacks de produtividade do ChatGPT | Hacks de produtividade do ChatGPT: cinco maneiras de usar chatbots para tornar sua vida mais fácil | Hacks de produtividade do ChatGPT |
| 54 | Dinheiro triplo com ciência de dados | Artigo sobre como um bolsista triplicou sua renda com Data Science em 18 meses | Dinheiro triplo com ciência de dados |
| 55 | Previsões sobre IA para os próximos 10 anos | A previsão de Andrew Ng sobre IA para os próximos 10 anos | Previsões sobre IA para os próximos 10 anos |
| 56 | A teoria da mente pode ter surgido espontaneamente em grandes modelos de linguagem | Publicação com visão geral de modelos LLM como ChatGPT | A teoria da mente pode ter surgido espontaneamente em grandes modelos de linguagem |
| 57 | Como o ChatGPT ajuda você a automatizar o aprendizado de máquina? | ChatGPT em aprendizado de máquina | Como o ChatGPT ajuda você a automatizar o aprendizado de máquina? |
| 58 | A folha de referências do ChatGPT | Folha de dicas não oficial do ChatGPT | A folha de referências do ChatGPT |
| 59 | Livro de receitas OpenAI | Folha de dicas oficial do ChatGPT | Livro de receitas OpenAI |
| 60 | Aprendizado de máquina gráfica com aumento de conhecimento para descoberta de medicamentos: uma pesquisa da precisão à interpretabilidade | Implementação de aprendizado de máquina gráfica em Drug Discovery | Aprendizado de máquina gráfica com aumento de conhecimento para descoberta de medicamentos: uma pesquisa da precisão à interpretabilidade |
| 61 | Um guia simples para visualizações de aprendizado de máquina | Guia para visualizações de ML | Um guia simples para visualizações de aprendizado de máquina |
| 62 | Como visualizar redes neurais PyTorch – 3 exemplos em Python | 3 exemplos de visualizações PyTorch | Como visualizar redes neurais PyTorch – 3 exemplos em Python |
| 63 | Papel da visualização de dados no aprendizado de máquina | Papel da visualização em ML | Papel da visualização de dados no aprendizado de máquina |
| 64 | Interpretando resultados de testes A/B: falsos positivos e significância estatística | Interpretação dos resultados do teste A/B | Interpretando resultados de testes A/B: falsos positivos e significância estatística |
| 65 | Guia completo para design, implementação e armadilhas de testes A/B | Guia completo para testes A/B | Guia completo para design, implementação e armadilhas de testes A/B |
| 66 | Dicas para cientistas de dados e engenheiros de dados em entrevistas | Dicas para entrevistas do Seattle Data Guy | Dicas para cientistas de dados e engenheiros de dados em entrevistas |
| 67 | Folha de dicas do Git para ciência de dados | Folha de dicas de comandos Git para ciência de dados | Folha de dicas do Git para ciência de dados |
| 68 | CNN para classificação do câncer de mama | Visão geral de um algoritmo para identificar automaticamente se uma paciente sofre de câncer de mama ou não, observando imagens de biópsia | CNN para classificação do câncer de mama |
| 69 | Lei de Goodhart | Visão geral da Lei de Goodhart usada na OpenAI | Lei de Goodhart |
| 70 | Como construir uma plataforma de ML do zero | Maneira padrão de projetar, treinar e implantar modelo | diretamente Como construir uma plataforma de ML do zero |
| 71 | Recapitulação da aprendizagem auto-supervisionada | Visão geral da aprendizagem auto-supervisionada | Recapitulação da aprendizagem auto-supervisionada |
| 72 | Recapitulação de MLOps (2021) | Visão geral dos MLOps | Recapitulação de MLOps (2021) |
| 73 | Recapitulação de MLOps (2020) | Visão geral dos MLOps | Recapitulação de MLOps (2020) |
| 74 | Arte das Redes Neurais | Representações artísticas de Redes Neurais | Arte das Redes Neurais |
| 75 | Padrões de design de MLOps | Um resumo dos padrões de design em MLOps | Padrões de design de MLOps |
| 76 | Como ficar por dentro do que está acontecendo no mundo da IA | Recursos sobre como ficar por dentro de todas as notícias e navegar pelo fluxo interminável de informações de IA | Como ficar por dentro do que está acontecendo no mundo da IA |
| 77 | API ChatGPT e Whisper | Ferramenta de integração para desenvolvedor de ChatGPT e Whisper API | API ChatGPT e Whisper |
| 78 | 20 projetos de aprendizado de máquina que farão com que você seja contratado | Projetos que devem fazer com que você seja contratado como engenheiro de ML | 20 projetos de aprendizado de máquina que farão com que você seja contratado |
| 79 | 7 principais linguagens de programação de aprendizado de máquina | Principais linguagens de programação usadas em aprendizado de máquina | 7 principais linguagens de programação de aprendizado de máquina |
| 80 | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte I) | Postagem no blog sobre testes eficazes para projetos de ML (Parte I) | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte I) |
| 81 | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte II) | Postagem no blog sobre testes eficazes para projetos de ML (Parte II) | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte III) |
| 82 | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte III) | Postagem no blog sobre testes eficazes para projetos de ML (Parte III) | Testes Eficazes para Projetos de Aprendizado de Máquina (Parte III) |
| 83 | Tomada de decisão na Netflix | Como a Netflix usa testes A/B para tomar decisões que melhoram continuamente seus produtos, para que possam proporcionar mais alegria e satisfação aos membros | Tomada de decisão na Netflix |
| 84 | O que é um teste A/B? | Como a Netflix usa testes A/B para informar decisões e inovar continuamente em seus produtos | O que é um teste A/B? |
| 85 | Interpretando resultados de testes A/B: falsos positivos e significância estatística | Interpretar resultados de testes A/B observando falsos positivos e significância estatística | Interpretando resultados de testes A/B: falsos positivos e significância estatística |
| 86 | Guia completo para design, implementação e armadilhas de testes A/B | Testes A/B completos para seus experimentos de ciência de dados para especialistas técnicos e não técnicos com exemplos e implementação em Python | Guia completo para design, implementação e armadilhas de testes A/B. |
| 87 | 10 conceitos estatísticos que você deve conhecer para entrevistas de ciência de dados | Conceitos estatísticos necessários para serem conhecidos em entrevistas de ciência de dados | 10 conceitos estatísticos que você deve conhecer para entrevistas de ciência de dados. |
| 88 | Avaliando modelos de aprendizagem profunda: a matriz de confusão, exatidão, precisão e recall | Visão geral da avaliação de modelos de ML com métricas de Matriz de confusão, Precisão, Precisão e Recall | Avaliando modelos de aprendizagem profunda: a matriz de confusão, exatidão, precisão e recall |
| 89 | Inteligência artificial na medicina: Superando ou recapitulando desafios estruturais para melhorar o atendimento ao paciente? | Perspectiva da IA na Medicina | Inteligência artificial na medicina: Superando ou recapitulando desafios estruturais para melhorar o atendimento ao paciente? |
| 90 | Rede Neural de Gráfico na Descoberta de Medicamentos | Aplicativo Deep Learning para transformar o processo de descoberta de medicamentos para aumentar a eficiência na descoberta de novos compostos | Rede Neural de Gráfico na Descoberta de Medicamentos |
| 91 | Nova abordagem de IA para reduzir ruído em dados de raios X | Visão geral do uso de codificadores automáticos para substituir dados de raios X ruidosos por sinais de entrada sem ruído | Nova abordagem de IA para reduzir ruído em dados de raios X |
| 92 | Processamento de Linguagem Natural | O guia aborda como funciona, onde são aplicadas as principais técnicas e muito mais | Processamento de Linguagem Natural |
| 93 | Folha de dicas do Big O | Folha de dicas do Big O para estruturas de dados nº 1 | Folha de dicas do Big O |
| 94 | Folha de dicas do Big O | Folha de dicas do Big O para estruturas de dados nº 2 | Folha de dicas do Big O |
| 95 | Uma pesquisa abrangente de conteúdo gerado por IA (AIGC): uma história de IA generativa de GAN a ChatGPT | Uma visão histórica das técnicas e aplicações generativas de IA | Uma pesquisa abrangente de conteúdo gerado por IA (AIGC): uma história de IA generativa de GAN a ChatGPT |
| 96 | ChatDoctor | Um modelo de bate-papo médico ajustado no modelo LLaMA usando conhecimento de domínio médico | ChatDoctor |
| 97 | TODA A FOLHA DE CHEATS | Cheatsheets de Inteligência Artificial a Engenharia de Dados, Aprendizado de Máquina, Linux, Matemática, R, Matlab e muitos outros campos | TODA A FOLHA DE CHEATS |
| 98 | GMAI | Artigo sobre uma IA Médica Generalista (GMAI) para impulsionar o desenvolvimento de modelos de IA médica em grande escala, aumentar a precisão em tarefas médicas, facilitar o acesso a informações médicas complexas e auxiliar equipes cirúrgicas | GMAI |
| 99 | 9 avisos essenciais do ChatGPT | 9 prompts essenciais do ChatGPT com exemplos | 9 prompts essenciais do ChatGPT |
| 100 | Extensão IPython ChatGPT | Extensão que permite usar o ChatGPT diretamente do seu Jupyter Notebook ou IPython Shell | Extensão IPython ChatGPT |
| 101 | OpenAssistant | Alternativa de código aberto para ChatGPT | OpenAssistant |
| 102 | DINov2 | O modelo de transformador de visão não supervisionado pode ser usado como espinha dorsal para quase todas as suas tarefas de currículo | DINov2 |
| 103 | Datamol | Kit de ferramentas de código aberto que simplifica fluxos de trabalho de processamento molecular e caracterização para cientistas de ML na descoberta de medicamentos | Datamol |
| 104 | Comparação ChatGPT vs GPT4 | Imagem comparando ChatGPT com GPT | Comparação ChatGPT vs GPT4 |
| 105 | Livro de receitas de aprendizagem auto-supervisionada | Pesquisa e todas as notas sobre a matéria escura da inteligência | Livro de receitas de aprendizagem auto-supervisionada |
| 106 | Folha de dicas de engenharia imediata | Ajudando a escrever ótimos prompts para Chat Bots como GPT | Folha de dicas de engenharia imediata |
| 107 | Guia do copiloto GitHub | Guia do GitHub Copilot como slides | Guia do copiloto GitHub |
| 108 | Comparação do GitHub Copilot com ChatGPT | Comparação de um chatbot com um auxiliar de programação em slides | Comparação do GitHub Copilot com ChatGPT |
| 109 | Comparação do GitHub Copilot com Codeium | Comparação de auxiliares de codificação; um pagável, outro de código aberto | Comparação do GitHub Copilot com Codeium |
| 110 | Introdução ao AutoGPT | Introdução ao AutoGPT - Instalação - Casos de uso - Possível uso indevido | [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/AutoGPT_Guide.pdf] |
| 111 | Ferramentas úteis de IA | Ferramentas úteis de IA, de Copilot a AutoGPT, MidJourney, Grammarly e bots de conversação | [https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/Useful_AI_Tools.pdf] |
| 112 | Folha de dicas de solicitação do ChatGPT | Folha de dicas úteis do ChatGPT | Folha de dicas de solicitação do ChatGPT |
| 113 | APRENDIZAGEM DE MÁQUINA Um primeiro curso para engenheiros e cientistas | Informações de aprendizado de máquina do iniciante ao avançado da Universidade de Cambridge | APRENDIZAGEM DE MÁQUINA Um primeiro curso para engenheiros e cientistas. |
| 114 | Projetos de aprendizado de máquina | Projetos de aprendizado de máquina | Projetos de aprendizado de máquina |
| 115 | Manual de ciência de dados Python | Manual de ciência de dados Python | Manual de ciência de dados Python |
| 116 | Uma introdução à estatística com Python | A estatística é um ramo da matemática que trata da coleta, análise, interpretação, apresentação e organização de dados. | Uma introdução à estatística com Python |
| 117 | Python para todos | Python para todos | Python para todos |
| 118 | Aprendizado de máquina com Python para todos (série Addison-Wesley Data & Analytics) | Aprendizado de máquina com Python para todos | Aprendizado de máquina com Python para todos (série Addison-Wesley Data & Analytics) |
| 119 | Python para análise de dados | Python para análise de dados | Python para análise de dados |
| 120 | Fundamentos da ciência de dados em Python | Fundamentos da ciência de dados em Python | Fundamentos da ciência de dados em Python |
| 121 | Modelagem de dados gráficos com Python | Modelagem de dados gráficos com Python | Modelagem de dados gráficos com Python |
| 122 | 50 dias de Python – um desafio por dia. | 50 dias de Python – um desafio por dia. | 50 dias de Python – um desafio por dia. |
| 123 | Pequenos projetos Python | Pequenos projetos Python | Pequenos projetos Python |
| 124 | Ferramentas de IA incríveis | Ferramentas de IA, desde escrita até vídeo, design, produtividade, marketing e chatbot | Ferramentas de IA incríveis |
| 125 | Mais de 150 projetos Python com código-fonte | 179 projetos Python com código-fonte | Mais de 150 projetos Python com código-fonte |
(Voltar ao topo)
Repositórios GitHub dignos relacionados aos cursos ML/DL/NN/AGI com todos os detalhes incluídos podem ser encontrados aqui:
| Número | Título | Descrição | Link |
|---|---|---|---|
| 1 | Curso avançado de IA | Curso avançado de IA da Code Academy na Lituânia | Curso avançado de IA |
| 2 | GitHub no curso de aprendizado profundo do Coursera | Repositório GitHub para especialização em aprendizado profundo do Coursera por deeplearning.ai | GitHub no curso DL do Coursera |
| 3 | Notas sobre o curso de aprendizado profundo do Coursera | Notas de aula para a especialização em aprendizado profundo do Coursera por deeplearning.ai | Notas sobre o curso EAD de Cousera |
| 4 | Teoria das categorias em aprendizado de máquina | Github contendo lista de publicações de Teoria das Categorias em vários campos de IA | Teoria das categorias em ML |
| 5 | Fundamentos do aprendizado de máquina | Compreenda os conceitos, técnicas e estruturas matemáticas usadas por especialistas em aprendizado de máquina | Fundações de ML |
| 6 | RL incrível | Repositório Github com materiais incríveis sobre Aprendizado por Reforço | RL incrível |
| 7 | Otimizando Reações Químicas | Otimizando reações químicas com aprendizado por reforço profundo | Otimizando Reações Químicas |
| 8 | Folhas de dicas de aprendizado de máquina | Folhas de dicas de aprendizado de máquina sobre aprendizado supervisionado, não supervisionado e profundo, bem como dicas e truques | Folhas de dicas de aprendizado de máquina |
| 9 | Cursos de ML no Youtube | Cursos mais recentes de Machine Leaning disponíveis no Youtube | Curso de ML no Youtube |
| 10 | Notas do curso de aprendizado de máquina | Notas sobre os cursos relacionados ao Machine Learning | Notas do curso de aprendizado de máquina |
| 11 | Testes eficazes para projetos de ML | Repositório GitHub para testes eficazes para projetos de ML | Testes eficazes para projetos de ML |
| 12 | ChatDoctor | Repositório GitHub para ChatDoctor enquanto é escrito sobre ele no 90º dia ou acessado como item 96 na ferramenta | ChatDoctor GitHub |
| 13 | Auto-GPT | Repositório GitHub de um aplicativo experimental mostrando os recursos do GPt4 | Auto-GPT |
| 14 | Vicunha-13B | Um chatbot de código aberto treinado pelo ajuste fino do LLaMA em cerca de 70 mil conversas ChatGPT compartilhadas por usuários | Vicunha-13B |
| 15 | Guia de engenharia imediata | Guia de engenharia imediata | Guia de engenharia imediata |
| 16 | O melhor do aprendizado de máquina com Python | 910 projetos de ML com curadoria | O melhor do aprendizado de máquina com Python |
| 17 | Ciência de dados para iniciantes – um currículo | Os Azure Cloud Advocates da Microsoft têm o prazer de oferecer um currículo de 10 semanas e 20 aulas sobre ciência de dados | Ciência de dados para iniciantes – um currículo |
| 18 | Recursos de entrevista de ciência de dados | Recursos para entrevistas de ciência de dados | Recursos de entrevista de ciência de dados |
| 19 | CIÊNCIA DE DADOS INCRÍVEL | Repositório de ciência de dados de código aberto para aprender e aplicar habilidades de ciência de dados para resolver problemas do mundo real | CIÊNCIA DE DADOS INCRÍVEL |
| 20 | Datamol | Kit de ferramentas de código aberto que simplifica fluxos de trabalho de processamento molecular e caracterização para cientistas de ML na descoberta de medicamentos | Datamol |
| 21 | privadoGPT | Uma ferramenta mágica onde você pode fazer perguntas aos seus documentos sem conexão com a internet, apenas usando o poder dos LLMs | privadoGPT |
| 22 | Modelo RT-2 | Um modelo que usa backbone de até 55B de parâmetros e o ajusta para produzir diretamente ações do robô que são executadas no mundo real | RT-2 |
| 23 | GPTCache | Uma ferramenta que permite armazenar em cache os resultados de chamadas de API GPT-3 e reutilizá-los posteriormente | GPTCache |
| 24 | Ferramentas de desenvolvedor incríveis com tecnologia de IA | Ferramentas que aproveitam a IA para auxiliar os desenvolvedores em tarefas como conclusão de código, refatoração, depuração, documentação e muito mais | Ferramentas de desenvolvedor incríveis com tecnologia de IA |
(Voltar ao topo)
Cadernos concluídos de vários conjuntos de dados podem ser encontrados aqui.
(Voltar ao topo)
Notas adicionais que abordamos em palestras ou materiais que mencionei e falei podem ser encontradas aqui.
(Voltar ao topo)
Os materiais do desafio #100DaysOfMLCode para cada dia podem ser encontrados aqui na seção README .
(Voltar ao topo)
Os materiais do desafio #FinishYearWithML para cada dia podem ser encontrados aqui, na seção README .
(Voltar ao topo)
A pasta pública contém dois arquivos:
(Voltar ao topo)
A primeira coisa interessante é que você também pode executar o Jupyter por meio do navegador, acessando aqui e lendo mais sobre ele neste artigo.
Se você tiver dificuldade em executar o Jupyter Notebook por meio do navegador, poderá usar o Google Colab clicando aqui. As funcionalidades de ambas as máquinas são semelhantes.
(Voltar ao topo)
O logotipo do repositório pode ser encontrado aqui.
(Voltar ao topo)
A LICENÇA MIT pode ser encontrada aqui.
