Machine Learning Goodness

机器学习的优点包括各种存储库或笔记本、ML/DL 项目和AGI/AI技巧/秘籍。

概述和下一步行动

随着100DaysOfMLCode挑战的开始，这个机器学习优秀存储库每天都会更新，其中包括已完成的 Jupyter 笔记本、Python 代码、ML 项目、有用的 ML/DL/NN 库、存储库、ML/DL/NN/AI 作弊代码、有用信息例如网站、有益的学习材料、技巧等等，更不用说一些基本和高级的 Python 编码了。

随着挑战的结束，回购协议仍在增长。机器学习领域中发现的新的有益材料会被添加到书籍、工具或存储库中，并在 FinishYearWithML 挑战中进行更新，并通过我的 Twitter 帐户和 Linkedin 以及有时在 Facebook、Instagram 上发布推文。

目录

• 目录
• 值得读的书
• 有价值的工具
• 有价值的存储库
• 笔记本电脑
• 笔记
• 100天机器学习代码
• 用机器学习完成一年
• 民众
• 浏览器中的 Jupyter
• 标识
• 执照

值得读的书

（返回顶部）

值得磨练 ML/DL/NN/AGI 专业知识、Python 编程、AI 分析所需的 CS 基础知识的书籍，以及对开发人员或 ML 工程师有用的书籍。

数字	标题	描述	关联
1	Grokking 算法：为程序员和其他好奇的人提供的图解指南	机器学习和编程中用于解决问题的最流行算法的可视化	摸索算法
2	算法设计手册	各种计算机算法的数学分析简介	算法设计手册
3	程序员的范畴论	关于范畴论的书，写在 Milewski 编程咖啡馆的帖子上	程序员的范畴论
4	自动化机器学习	本书概述了我们在 AutoML 中所需的基础技术，深入讨论了现有 AutoML 系统，并评估了 AutoML 的最新技术	自动化机器学习
5	计算机科学数学	麻省理工学院关于计算机科学数学的书	计算机科学数学
6	机器学习数学	加州大学关于机器学习数学的书	机器学习数学
7	应用人工智能	工程人工智能应用书籍	应用人工智能
8	自动化机器学习管道	使用 Databricks Lakehouse 平台实现机器学习生命周期自动化的书籍概述	自动化机器学习管道
9	机器学习的向往	为人工智能工程师赢得深度学习时代而写的书	机器学习的向往
10	思考贝叶斯	使用 Python 实现和 Jupyter Notebooks 介绍贝叶斯统计	思考贝叶斯
11	ChatGPT 终极指南	这本书提供了 100 个资源，可通过 ChatGPT 改善您的生活	ChatGPT 终极指南
12	ChatGPT 提示的艺术：制作清晰有效提示的指南	这本书将学习如何制作引人注目的 ChatGPT 提示，以推动引人入胜且信息丰富的对话	ChatGPT 提示的艺术：制作清晰有效提示的指南
13	针对软件工程师的 10 个 ChatGPT 提示	这本书学习如何提示软件工程任务	针对软件工程师的 10 个 ChatGPT 提示
14	如何在人工智能领域发展你的职业生涯	Andrew Ng 关于机器学习基础技能、项目工作、找工作和社区的见解	如何在人工智能领域发展你的职业生涯
15	机器学习 Q 和 AI	这本关于 ML 访谈中常见问题的书以及这些问题的高级信息	机器学习 Q 和 AI
16	机器学习综合指南	机器学习综合指南的免费书籍	机器学习综合指南
17 号	深度学习数学：理解神经网络需要了解什么	一本机器学习和人工智能数学书，涉及数据科学的数学和统计基础	深度学习数学：理解神经网络需要了解什么

有价值的工具

（返回顶部）

值得一看的网站和工具，包括 Python、机器学习、深度学习、神经网络的作弊代码，以及您学习或磨练技能时其他有价值的工具，都可以在这里找到。当发现有价值的材料在存储库上共享时不断更新。

数字	标题	描述	关联
1	Python 备忘单	Python Cheatsheet 基于《Automate the Boring Stuff with Python》一书和许多其他来源	Python 备忘单
2	机器学习算法备忘单	机器学习备忘单简要解释了各种模型	机器学习算法备忘单
3	很棒的人工智能数据集和工具	流行的开源和公共数据集、数据可视化、数据分析资源和数据湖的链接	很棒的人工智能数据集和工具
4	机器学习备忘单	本Cheatsheet包含许多机器学习的经典方程和图表，可以快速回忆机器学习的知识和想法	机器学习备忘单
5	通用智能：机器智能的定义	关于智力定义的出版物	通用智能
6	逻辑回归	逻辑回归的详细概述	逻辑回归
7	脑机接口概述	脑机接口（BCI）简单概述	脑机接口概述
8	脑机接口研究	脑机接口 (BCI) 的迷人研究	脑机接口研究
9	化学发现中的人工智能	人工智能如何改变化学发现？	化学发现中的人工智能
10	化学机器学习	化学机器学习的最佳实践	化学机器学习
11	用于药物发现的人工智能工具	5 个很酷的人工智能药物发现工具	用于药物发现的人工智能工具
12	量子化学与深度学习	深度学习和神经网络在量子化学中的应用	量子化学与深度学习
13	计算机与智能	艾伦·图灵第一篇关于人工智能的论文	计算机与智能
14	关于艾伦·图灵的博客	艾伦·图灵关于人工智能的论文分析（列表中的第 13 篇）以及关于他的生平的博文	关于艾伦·图灵的博客
15	思想、大脑和程序	反对约翰·塞尔的“图灵测试”的论文	思想、大脑和程序
16	关于约翰·塞尔和艾伦·图灵的博客	关于 John Searle 论文（列表中的 15 篇）以及关于人工智能和阿兰图灵的想法的博客文章	约翰·塞尔和艾伦·图灵
17 号	关于深度学习神经网络的 Youtube 频道	一个令人惊叹的 YouTube 频道，通过简单易懂的描述解释什么是神经网络	深度学习的神经网络
18	神经网络的8种架构	每个 ML 工程师都应该了解的 8 种神经网络架构	8种架构
19	用于预测有机化学反应的神经网络	使用神经网络预测反应类型	用于预测有机化学反应的神经网络
20	预测反应条件的专家系统：迈克尔反应案例	建立模型来确定有机化学过程与每个考虑的反应条件选项的兼容性	预测反应条件的专家系统
21	化学反应空间中的机器学习	使用机器学习概念查看参与多个反应的分子的反应空间	化学反应空间中的机器学习
22	化学反应的机器学习	可以并且已经使用机器学习技术解决的问题的概述	化学反应的机器学习
23	ByTorch 概述	BoTorch 作为 PyTorch 的框架	ByTorch 概述
24	作者：火炬官方	贝叶斯优化或者只是 BoTorch 的官方网站	作者：火炬官方
25	VS 代码备忘单	VS Code 快捷方式备忘单	VS 代码备忘单
26	简单的机器学习备忘单	所有领域的机器学习速查表以及常用算法	机器学习备忘单
27 号	DeepMind 和伦敦大学学院关于强化学习	DeepMind 和伦敦大学学院关于强化学习的视频讲座	DeepMind 和伦敦大学学院关于强化学习
28	斯坦福机器学习全套课程	斯坦福大学提供的完整机器学习课程作为讲座幻灯片	斯坦福机器学习全套课程
29	Coursera 的深度学习专业课程	由伟大的 Andrew Ng 和他的 Deeplearning.ai 团队提供的 DL 专业化	Coursera 的深度学习专业课程
30	简单聚类备忘单	简单的无监督学习聚类备忘单	聚类备忘单
31	混淆矩阵备忘单	关于准确度、精确度、召回率、TPR、FPR、特异性、灵敏度、ROC 以及混淆矩阵中所有内容的速查表	混淆矩阵备忘单
32	数据科学家备忘单	数据科学家的各种不同的备忘单	数据科学家备忘单
33	K-Means 聚类可视化	解释 K 均值聚类的简单图形	K-Means 聚类可视化
34	3Blue1Brown 的 YouTube 频道	关于动画数学概念的 YouTube 频道	动画数学概念
35	线性代数本质	3Blue1Brown 的线性代数 YouTube 播放列表	线性代数
36	强化学习的神经科学	强化学习神经科学的普林斯顿幻灯片	强化学习的神经科学
37	药物设计的强化学习	药物设计的强化学习实现	药物设计的强化学习
38	有支持的脑机接口	先进的 BCI 具有灵活且可模压的背衬和穿透性微针	有支持的脑机接口
39	大 O 表示法	Big O 表示法的精彩而简单的解释	大 O 表示法
40	6 个数据科学证书	6 个数据科学证书可促进您的职业生涯	6 个数据科学证书
41	论智力的测量	衡量人工智能的类人程度的新概念	论智力的测量
42	智力定义集	70多个智力定义	智力定义集
43	使用 AlphaCode 生成竞赛级代码	字母码纸	使用 AlphaCode 生成竞赛级代码
44	机器学习	什么是机器学习？一个很好解释的介绍	机器学习
45	自动编码器	自动编码器简介并深入研究不完整自动编码器	自动编码器
46	ChatGPT 备忘单	经常使用 ChatGPT 的人必备的备忘单	ChatGPT 备忘单
47	Scikit-learn 备忘单	Scikit-Learn 机器学习备忘单	Scikit-Learn 备忘单
48	前 13 个 Python 深度学习库	使用 Python 进行深度学习的顶级库摘要	前 13 个 Python 深度学习库
49	机器学习可视化简单指南	ML 模型性能的目视检查总结	机器学习可视化简单指南
50	发现机器学习模型所犯的系统错误	摘要：发现机器学习模型中的错误，这些模型在验证数据的连贯切片上实现了较高的整体准确性	发现机器学习模型所犯的系统错误
51	假设检验解释？	假设检验的解释	机器学习可视化简单指南
52	人工智能入门课程	微软为初学者提供的免费人工智能入门课程	人工智能入门课程
53	ChatGPT 生产力技巧	ChatGPT 生产力技巧：使用聊天机器人让您的生活更轻松的五种方法	ChatGPT 生产力技巧
54	通过数据科学实现三倍收益	关于一个人如何在 18 个月内通过数据科学将收入增加两倍的文章	通过数据科学实现三倍收益
55	未来10年人工智能的预测	吴恩达对未来 10 年人工智能的预测	对未来 10 年人工智能的预测
56	心理理论可能自发地出现在大型语言模型中	出版物概述 LLM 模型，如 ChatGPT	心理理论可能自发地出现在大型语言模型中
57	ChatGPT 如何帮助您实现机器学习自动化？	ChatGPT 在机器学习中的应用	ChatGPT 如何帮助您实现机器学习自动化？
58	ChatGPT 备忘单	非官方 ChatGPT 备忘单	ChatGPT 备忘单
59	OpenAI 食谱	官方 ChatGPT 备忘单	OpenAI 食谱
60	用于药物发现的知识增强图机器学习：从精确度到可解释性的调查	药物发现中的图机器学习实施	用于药物发现的知识增强图机器学习：从精确度到可解释性的调查
61	机器学习可视化简单指南	ML 可视化指南	机器学习可视化简单指南
62	如何可视化 PyTorch 神经网络 – Python 中的 3 个示例	PyTorch 可视化的 3 个示例	如何可视化 PyTorch 神经网络 – Python 中的 3 个示例
63	数据可视化在机器学习中的作用	可视化在机器学习中的作用	数据可视化在机器学习中的作用
64	解释 A/B 测试结果：误报和统计显着性	A/B 测试结果的解释	解释 A/B 测试结果：误报和统计显着性
65	A/B 测试设计、实施和陷阱的完整指南	A/B 测试完整指南	A/B 测试设计、实施和陷阱的完整指南
66	给数据科学家和数据工程师面试的建议	西雅图数据专家的采访技巧	给数据科学家和数据工程师面试的建议
67	数据科学的 Git 备忘单	数据科学 Git 命令备忘单	数据科学的 Git 备忘单
68	CNN 乳腺癌分类	通过查看活检图像自动识别患者是否患有乳腺癌的算法概述	CNN 乳腺癌分类
69	古德哈特定律	OpenAI 使用的古德哈特定律概述	古德哈特定律
70	如何从头开始构建机器学习平台	设计、训练和部署模型的标准方法	如何从头开始构建 ML 平台
71	自我监督学习回顾	自我监督学习概述	自我监督学习回顾
72	MLOps 回顾 (2021)	MLOps 概述	MLOps 回顾 (2021)
73	MLOps 回顾 (2020)	MLOps 概述	MLOps 回顾 (2020)
74	神经网络的艺术	神经网络的艺术表现	神经网络的艺术
75	MLOps 的设计模式	MLOps 中的设计模式总结	MLOps 的设计模式
76	如何掌握人工智能世界的最新动态	有关如何跟上所有新闻并浏览源源不断的人工智能信息的资源	如何掌握人工智能世界的最新动态
77	ChatGPT 和 Whisper API	ChatGPT 和 Whisper API 开发人员的集成工具	ChatGPT 和 Whisper API
78	20 个能让你受聘的机器学习项目	应该让你被聘为机器学习工程师的项目	20 个能让你受聘的机器学习项目
79	7 种顶级机器学习编程语言	机器学习中使用的顶级编程语言	7 种顶级机器学习编程语言
80	机器学习项目的有效测试（第一部分）	关于 ML 项目的有效测试的博客文章（第一部分）	机器学习项目的有效测试（第一部分）
81	机器学习项目的有效测试（第二部分）	关于 ML 项目的有效测试的博客文章（第二部分）	机器学习项目的有效测试（第三部分）
82	机器学习项目的有效测试（第三部分）	关于 ML 项目的有效测试的博客文章（第三部分）	机器学习项目的有效测试（第三部分）
83	Netflix 的决策	Netflix 如何使用 A/B 测试做出持续改进产品的决策，从而为会员带来更多快乐和满足	Netflix 的决策
84	什么是 A/B 测试？	Netflix 如何使用 A/B 测试来指导决策并不断创新其产品	什么是 A/B 测试？
85	解释 A/B 测试结果：误报和统计显着性	通过查看误报和统计显着性来解释 A/B 测试结果	解释 A/B 测试结果：误报和统计显着性
86	A/B 测试设计、实施和陷阱的完整指南	通过示例和 Python 实现，为非技术和技术专家提供数据科学实验的端到端 A/B 测试	A/B 测试设计、实施和陷阱的完整指南。
87	数据科学面试中您应该了解的 10 个统计概念	数据科学面试所需了解的统计概念	数据科学面试时您应该了解的 10 个统计概念。
88	评估深度学习模型：混淆矩阵、准确度、精确度和召回率	使用混淆矩阵、准确度、精确度和召回率指标评估 ML 模型的概述	评估深度学习模型：混淆矩阵、准确度、精确度和召回率
89	医学中的人工智能：克服或重述改善患者护理的结构性挑战？	人工智能在医学领域的前景	医学中的人工智能：克服或重述改善患者护理的结构性挑战？
90	药物发现中的图神经网络	深度学习应用改变药物发现流程，提高发现新化合物的效率	药物发现中的图神经网络
91	减少 X 射线数据噪声的新 AI 方法	使用自动编码器用无噪声输入信号替换有噪声的 X 射线数据的概述	减少 X 射线数据噪声的新 AI 方法
92	自然语言处理	该指南涵盖了它的工作原理、顶尖技术的应用场景等等	自然语言处理
93	大 O 备忘单	Big O 数据结构速查表 #1	大 O 备忘单
94	大 O 备忘单	Big O 数据结构速查表 #2	大 O 备忘单
95	人工智能生成内容 (AIGC) 的全面调查：从 GAN 到 ChatGPT 的生成式 AI 历史	生成式人工智能技术和应用的历史概述	人工智能生成内容 (AIGC) 的全面调查：从 GAN 到 ChatGPT 的生成式 AI 历史
96	聊天医生	使用医学领域知识在 LLaMA 模型上微调的医疗聊天模型	聊天医生
97	所有备忘单	从人工智能到数据工程到机器学习到 Linux 到数学到 R 到 Matlab 等等领域的备忘单	所有备忘单
98	通用汽车指数	关于通用医疗人工智能 (GMAI) 的论文，旨在推动大规模医疗人工智能模型的开发，提高医疗任务的准确性，使复杂的医疗信息更容易访问并协助手术团队	通用汽车指数
99	9 个重要的 ChatGPT 提示	9 个重要的 ChatGPT 提示和示例	9 个重要的 ChatGPT 提示符
100	IPython ChatGPT 扩展	允许您直接从 Jupyter Notebook 或 IPython Shell 使用 ChatGPT 的扩展	IPython ChatGPT 扩展
101	打开助手	ChatGPT 的开源替代品	打开助手
102	恐龙v2	无监督视觉 Transformer 模型可以用作几乎所有 CV 任务的骨干	恐龙v2
103	数据摩尔	开源工具包可简化机器学习科学家在药物发现中的分子处理和特征化工作流程	数据摩尔
104	ChatGPT 与 GPT4 比较	比较 ChatGPT 与 GPT 的图像	ChatGPT 与 GPT4 比较
105	自我监督学习食谱	关于智能暗物质的研究和所有笔记	自我监督学习食谱
106	快速工程备忘单	帮助为 GPT 等聊天机器人编写出色的提示	快速工程备忘单
107	GitHub 副驾驶指南	GitHub Copilot 指南幻灯片	GitHub 副驾驶指南
108	GitHub Copilot 与 ChatGPT 的比较	聊天机器人与编程助手的比较（以幻灯片形式）	GitHub Copilot 与 ChatGPT 的比较
109	GitHub Copilot 与 Codeium 的比较	编码助手的比较；一种是付费的，另一种是开源的	GitHub Copilot 与 Codeium 的比较
110	AutoGPT 入门	AutoGPT 入门 - 安装 - 使用案例 - 可能的误用	[https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/AutoGPT_Guide.pdf]
111	有用的人工智能工具	有用的人工智能工具，从 Copilot 到 AutoGPT 到 MidJourney 到 Grammarly 到对话机器人	[https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/Useful_AI_Tools.pdf]
112	ChatGPT 提示备忘单	有用的 ChatGPT 提示备忘单	ChatGPT 提示备忘单
113	机器学习是工程师和科学家的第一门课程	来自剑桥大学的机器学习初学者到高级信息	机器学习工程师和科学家的第一门课程。
114	机器学习项目	机器学习项目	机器学习项目
115	Python 数据科学手册	Python 数据科学手册	Python 数据科学手册
116	Python 统计简介	统计学是数学的一个分支，涉及数据的收集、分析、解释、呈现和组织	Python 统计简介
117	适合所有人的 Python	适合所有人的 Python	适合所有人的 Python
118	适合所有人的 Python 机器学习（Addison-Wesley 数据与分析系列）	适合所有人的 Python 机器学习	适合所有人的 Python 机器学习（Addison-Wesley 数据与分析系列）
119	Python 数据分析	Python 数据分析	Python 数据分析
120	Python 数据科学基础	Python 数据科学基础	Python 数据科学基础
121	使用 Python 进行图形数据建模	使用 Python 进行图形数据建模	使用 Python 进行图形数据建模
122	Python 50 天——一天的挑战。	Python 50 天——一天的挑战。	Python 50 天——一天的挑战。
123	小型 Python 项目	小型 Python 项目	小型 Python 项目
124	令人兴奋的人工智能工具	人工智能工具从写作到视频到设计到生产力到营销到聊天机器人	令人兴奋的人工智能工具
125	150 多个带有源代码的 Python 项目	179 个带有源代码的 Python 项目	150 多个带有源代码的 Python 项目

有价值的存储库

（返回顶部）

与 ML/DL/NN/AGI 课程相关的有价值的 GitHub 存储库（包含所有详细信息）可以在这里找到：

数字	标题	描述	关联
1	高级人工智能课程	立陶宛 Code Academy 高级人工智能课程	高级人工智能课程
2	Coursera 深度学习课程上的 GitHub	Deeplearning.ai 的 Coursera 深度学习专业化 GitHub 存储库	GitHub 上的 Coursera 深度学习课程
3	Coursera 深度学习课程笔记	Deeplearning.ai 的 Coursera 深度学习专业讲义	Cousera 深度学习课程笔记
4	机器学习范畴论	Github 包含各个人工智能领域范畴论的出版物列表	机器学习范畴论
5	机器学习的基础	了解机器学习专家使用的概念、技术和数学框架	机器学习的基础
6	很棒的强化学习	Github 存储库，提供有关强化学习的精彩材料	很棒的强化学习
7	优化化学反应	通过深度强化学习优化化学反应	优化化学反应
8	机器学习备忘单	有关监督学习、无监督学习和深度学习的机器学习备忘单以及提示和技巧	机器学习备忘单
9	机器学习 YouTube 课程	YouTube 上提供最新的机器学习课程	ML YouTube 课程
10	机器学习课程笔记	机器学习相关课程笔记	机器学习课程笔记
11	机器学习项目的有效测试	用于有效测试 ML 项目的 GitHub 存储库	机器学习项目的有效测试
12	聊天医生	ChatDoctor 的 GitHub 存储库，在第 90 天编写或在工具上作为 96 项访问	聊天医生 GitHub
13	自动GPT	展示 GPt4 功能的实验应用程序的 GitHub 存储库	自动GPT
14	骆驼毛-13B	一个开源聊天机器人，通过在约 7 万个用户共享的 ChatGPT 对话上微调 LLaMA 进行训练	骆驼毛-13B
15	快速工程指南	快速工程指南	快速工程指南
16	使用 Python 进行最佳机器学习	910 个精心策划的机器学习项目	使用 Python 进行最佳机器学习
17 号	数据科学初学者 - 课程	Microsoft 的 Azure 云倡导者很高兴提供为期 10 周、20 课时的数据科学课程	数据科学初学者 - 课程
18	数据科学访谈资源	数据科学面试资源	数据科学访谈资源
19	很棒的数据科学	开源数据科学存储库，用于学习和应用数据科学技能来解决现实世界的问题	很棒的数据科学
20	数据摩尔	开源工具包可简化机器学习科学家在药物发现中的分子处理和特征化工作流程	数据摩尔
21	私人GPT	一个神奇的工具，您可以利用法学硕士的力量，在没有互联网连接的情况下对您的文档提出问题	私人GPT
22	RT-2型号	该模型使用多达 55B 个参数主干，并对其进行微调以直接输出在现实世界中执行的机器人动作	RT-2
23	GPT缓存	一个工具，允许您缓存 GPT-3 API 调用的结果并在以后重用它们	GPT缓存
24	令人敬畏的人工智能驱动的开发者工具	利用 AI 协助开发人员完成代码完成、重构、调试、文档编制等任务的工具	令人敬畏的人工智能驱动的开发者工具

笔记本电脑

（返回顶部）

可以在此处找到各种数据集的完成笔记本。

笔记

（返回顶部）

我们通过我提到和谈到的讲座或材料涵盖的其他注释可以在这里找到。

100天机器学习代码

（返回顶部）

每天#100DaysOfMLCode挑战的材料可以在此处的自述文件部分找到。

用机器学习完成一年

（返回顶部）

每天#FinishYearWithML挑战的材料可以在此处的自述文件部分找到。

民众

（返回顶部）

公共文件夹包含两个文件：

• todolist - 待办事项列表。
• 图像 - 图像文件夹。

浏览器中的 Jupyter

（返回顶部）

第一件好事是，您也可以通过浏览器运行 Jupyter，方法是转到此处并在本文中阅读有关它的更多信息。

如果您发现通过浏览器运行 Jupyter Notebook 遇到困难，那么您可以单击此处使用 Google Colab。两台机器的功能相似。

标识

（返回顶部）

可以在此处找到存储库的徽标。

执照

（返回顶部）

麻省理工学院许可证可以在这里找到。