Machine Learning Goodness

機器學習的優點包括各種儲存庫或筆記本、ML/DL 項目和AGI/AI技巧/秘技。

概述和下一步行動

隨著100DaysOfMLCode挑戰的開始，這個機器學習優秀儲存庫每天都會更新，其中包括已完成的Jupyter 筆記本、Python 程式碼、ML 專案、有用的ML/DL/NN 函式庫、儲存庫、ML/DL/NN/AI作弊程式碼、有用資訊例如網站、有益的學習材料、技巧等等，更不用說一些基本和高級的 Python 編碼了。

隨著挑戰的結束，回購協議仍在成長。機器學習領域中發現的新的有益材料會被添加到書籍、工具或存儲庫中，並在 FinishYearWithML 挑戰中進行更新，並透過我的 Twitter 帳戶和 Linkedin 以及有時在 Facebook、Instagram 上發布推文。

目錄

• 目錄
• 值得閱讀的書
• 有價值的工具
• 有價值的儲存庫
• 筆記型電腦
• 筆記
• 100天機器學習代碼
• 用機器學習完成一年
• 民眾
• 瀏覽器中的 Jupyter
• 標識
• 執照

值得閱讀的書

（回頂端）

值得磨練 ML/DL/NN/AGI 專業知識、Python 程式設計、AI 分析所需的 CS 基礎知識的書籍，以及對開發人員或 ML 工程師有用的書籍。

數位	標題	描述	關聯
1	Grokking 演算法：為程式設計師和其他好奇的人提供的圖解指南	機器學習和編程中用於解決問題的最受歡迎演算法的可視化	摸索演算法
2	演算法設計手冊	各種計算機演算法的數學分析簡介	演算法設計手冊
3	程式設計師的範疇論	關於範疇論的書，寫在 Milewski 程式設計咖啡館的貼文上	程式設計師的範疇論
4	自動化機器學習	本書概述了我們在 AutoML 中所需的基礎技術，深入討論了現有 AutoML 系統，並評估了 AutoML 的最新技術	自動化機器學習
5	計算機科學數學	麻省理工學院關於電腦科學數學的書	計算機科學數學
6	機器學習數學	加州大學關於機器學習數學的書	機器學習數學
7	應用人工智慧	工程人工智慧應用書籍	應用人工智慧
8	自動化機器學習管道	使用 Databricks Lakehouse 平台實現機器學習生命週期自動化的書籍概述	自動化機器學習管道
9	機器學習的嚮往	為人工智慧工程師贏得深度學習時代而寫的書	機器學習的嚮往
10	思考貝葉斯	使用 Python 實作和 Jupyter Notebooks 介紹貝葉斯統計	思考貝葉斯
11	ChatGPT 終極指南	這本書提供了 100 個資源，可透過 ChatGPT 改善您的生活	ChatGPT 終極指南
12	ChatGPT 提示的藝術：製作清晰有效提示的指南	這本書將學習如何製作引人注目的 ChatGPT 提示，以推動引人入勝且資訊豐富的對話	ChatGPT 提示的藝術：製作清晰有效提示的指南
13	針對軟體工程師的 10 個 ChatGPT 提示	這本書學習如何提示軟體工程任務	針對軟體工程師的 10 個 ChatGPT 提示
14	如何在人工智慧領域發展你的職業生涯	Andrew Ng 關於機器學習基礎技能、專案工作、找工作和社群的見解	如何在人工智慧領域發展你的職業生涯
15	機器學習 Q 和 AI	這本關於 ML 訪談中常見問題的書以及這些問題的高級信息	機器學習 Q 和 AI
16	機器學習綜合指南	機器學習綜合指南的免費書籍	機器學習綜合指南
17 號	深度學習數學：理解神經網路需要了解什麼	一本機器學習和人工智慧數學書，涉及數據科學的數學和統計基礎	深度學習數學：理解神經網路需要了解什麼

有價值的工具

（回頂端）

值得一看的網站和工具，包括 Python、機器學習、深度學習、神經網路的作弊程式碼，以及您學習或磨練技能時其他有價值的工具，都可以在這裡找到。當發現有價值的材料在存儲庫上共享時不斷更新。

數位	標題	描述	關聯
1	Python 備忘錄	Python Cheatsheet 基於《Automate the Boring Stuff with Python》一書和許多其他來源	Python 備忘錄
2	機器學習演算法備忘單	機器學習備忘單簡要地解釋了各種模型	機器學習演算法備忘單
3	很棒的人工智慧數據集和工具	流行的開源和公共數據集、數據可視化、數據分析資源和數據湖的鏈接	很棒的人工智慧數據集和工具
4	機器學習備忘錄	本Cheatsheet包含許多機器學習的經典方程式和圖表，可以快速回憶機器學習的知識和想法	機器學習備忘錄
5	通用智能：機器智能的定義	關於智力定義的出版物	通用智能
6	邏輯迴歸	邏輯迴歸的詳細概述	邏輯迴歸
7	腦機介面概述	腦機介面（BCI）簡單概述	腦機介面概述
8	腦機介面研究	腦機介面 (BCI) 的迷人研究	腦機介面研究
9	化學發現中的人工智慧	人工智慧如何改變化學發現？	化學發現中的人工智慧
10	化學機器學習	化學機器學習的最佳實踐	化學機器學習
11	用於藥物發現的人工智慧工具	5 個很酷的人工智慧藥物發現工具	用於藥物發現的人工智慧工具
12	量子化學與深度學習	深度學習與神經網路在量子化學的應用	量子化學與深度學習
13	電腦與智慧	艾倫·圖靈第一篇關於人工智慧的論文	電腦與智慧
14	關於艾倫·圖靈的博客	艾倫圖靈關於人工智慧的論文分析（清單中的第 13 篇）以及關於他的生平的部落格文章	關於艾倫·圖靈的博客
15	思想、大腦與程式	反對約翰·塞爾的“圖靈測試”的論文	思想、大腦與程式
16	關於約翰·塞爾和艾倫·圖靈的博客	關於 John Searle 論文（清單中的 15 篇）以及關於人工智慧和阿蘭圖靈的想法的部落格文章	約翰·塞爾和艾倫·圖靈
17 號	關於深度學習神經網路的 Youtube 頻道	一個令人驚嘆的 YouTube 頻道，透過簡單易懂的描述解釋什麼是神經網絡	深度學習的神經網絡
18	神經網路的8種架構	每個 ML 工程師都應該了解的 8 種神經網路架構	8種架構
19	用於預測有機化學反應的神經網絡	使用神經網路預測反應類型	用於預測有機化學反應的神經網絡
20	預測反應條件的專家系統：麥可反應案例	建立模型來確定有機化學過程與每個考慮的反應條件選項的兼容性	預測反應條件的專家系統
21	化學反應空間中的機器學習	使用機器學習概念查看參與多個反應的分子的反應空間	化學反應空間中的機器學習
22	化學反應的機器學習	可以並且已經使用機器學習技術解決的問題的概述	化學反應的機器學習
23	ByTorch 概述	BoTorch 作為 PyTorch 的框架	ByTorch 概述
24	作者：火炬官方	貝葉斯優化或只是 BoTorch 的官方網站	作者：火炬官方
25	VS 代碼備忘單	VS Code 快捷方式備忘單	VS 代碼備忘單
26	簡單的機器學習備忘錄	所有領域的機器學習速查表以及常用演算法	機器學習備忘錄
27 號	DeepMind 和倫敦大學學院關於密集學習	DeepMind 和倫敦大學學院關於密集學習的影片講座	DeepMind 和倫敦大學學院關於密集學習
28	史丹佛機器學習全套課程	史丹佛大學提供的完整機器學習課程作為講座幻燈片	史丹佛機器學習全套課程
29	Coursera 的深度學習專業課程	由偉大的 Andrew Ng 和他的 Deeplearning.ai 團隊提供的 DL 專業化	Coursera 的深度學習專業課程
30	簡單聚類備忘錄	簡單的無監督學習聚類備忘單	聚類備忘錄
31	混淆矩陣備忘單	關於準確度、精確度、召回率、TPR、FPR、特異性、靈敏度、ROC 以及混淆矩陣中所有內容的速查表	混淆矩陣備忘單
32	資料科學家備忘錄	資料科學家的各種不同的備忘錄	資料科學家備忘錄
33	K-Means 聚類視覺化	解釋 K 均值聚類的簡單圖形	K-Means 聚類視覺化
34	3Blue1Brown 的 YouTube 頻道	關於動畫數學概念的 YouTube 頻道	動畫數學概念
35	線性代數本質	3Blue1Brown 的線性代數 YouTube 播放列表	線性代數
36	強化學習的神經科學	強化學習神經科學的普林斯頓幻燈片	強化學習的神經科學
37	藥物設計的強化學習	藥物設計的強化學習實現	藥物設計的強化學習
38	有支援的腦機接口	先進的 BCI 具有靈活且可模壓的背襯和穿透性微針	有支援的腦機接口
39	大 O 表示法	Big O 表示法的精彩簡單的解釋	大 O 表示法
40	6 個數據科學證書	6 個數據科學證書可促進您的職業生涯	6 個數據科學證書
41	論智力的測量	衡量人工智慧的類人程度的新概念	論智力的測量
42	智力定義集	70多個智力定義	智力定義集
43	使用 AlphaCode 產生競賽等級程式碼	字母碼紙	使用 AlphaCode 產生競賽等級程式碼
44	機器學習	什麼是機器學習？一個很好解釋的介紹	機器學習
45	自動編碼器	自動編碼器簡介並深入研究不完整自動編碼器	自動編碼器
46	ChatGPT 備忘單	經常使用 ChatGPT 的人必備的備忘單	ChatGPT 備忘單
47	Scikit-learn 備忘單	Scikit-Learn 機器學習備忘單	Scikit-Learn 備忘單
48	前 13 個 Python 深度學習庫	使用 Python 進行深度學習的頂級庫摘要	前 13 個 Python 深度學習庫
49	機器學習視覺化簡單指南	ML 模型效能的目視檢查總結	機器學習視覺化簡單指南
50	發現機器學習模型所犯的系統錯誤	摘要：發現機器學習模型中的錯誤，這些模型在驗證資料的連貫切片上實現了較高的整體準確性	發現機器學習模型所犯的系統錯誤
51	假設檢定解釋？	假設檢定的解釋	機器學習視覺化簡單指南
52	人工智慧入門課程	微軟為初學者提供的免費人工智慧入門課程	人工智慧入門課程
53	ChatGPT 生產力技巧	ChatGPT 生產力技巧：使用聊天機器人讓您的生活更輕鬆的五種方法	ChatGPT 生產力技巧
54	透過數據科學實現三倍收益	關於一個人如何在 18 個月內透過數據科學將收入增加兩倍的文章	透過數據科學實現三倍收益
55	對未來 10 年人工智慧的預測	吳恩達對未來 10 年人工智慧的預測	對未來 10 年人工智慧的預測
56	心理理論可能自發性地出現在大型語言模型中	出版品概述 LLM 模型，如 ChatGPT	心理理論可能自發性地出現在大型語言模型中
57	ChatGPT 如何幫助您實現機器學習自動化？	ChatGPT 在機器學習的應用	ChatGPT 如何幫助您實現機器學習自動化？
58	ChatGPT 備忘單	非官方 ChatGPT 備忘單	ChatGPT 備忘單
59	OpenAI 食譜	官方 ChatGPT 備忘單	OpenAI 食譜
60	用於藥物發現的知識增強圖機器學習：從精確度到可解釋性的調查	藥物發現中的圖機器學習實施	用於藥物發現的知識增強圖機器學習：從精確度到可解釋性的調查
61	機器學習視覺化簡單指南	ML 視覺化指南	機器學習視覺化簡單指南
62	如何視覺化 PyTorch 神經網路 – Python 中的 3 個範例	PyTorch 視覺化的 3 個範例	如何視覺化 PyTorch 神經網路 – Python 中的 3 個範例
63	數據視覺化在機器學習中的作用	可視化在機器學習中的作用	數據視覺化在機器學習中的作用
64	解釋 A/B 檢定結果：誤報與統計顯著性	A/B 測試結果的解釋	解釋 A/B 檢定結果：誤報與統計顯著性
65	A/B 測試設計、實施和陷阱的完整指南	A/B 測驗完整指南	A/B 測試設計、實施和陷阱的完整指南
66	給資料科學家和資料工程師面試的建議	西雅圖數據專家的訪談技巧	給資料科學家和資料工程師面試的建議
67	數據科學的 Git 備忘單	資料科學 Git 指令備忘單	數據科學的 Git 備忘單
68	CNN 乳癌分類	透過查看活檢影像自動識別患者是否患有乳癌的演算法概述	CNN 乳癌分類
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	如何從頭開始建立機器學習平台	設計、訓練和部署模型的標準方法	如何從頭開始建立 ML 平台
71	自我督導學習回顧	自我監督學習概述	自我督導學習回顧
72	MLOps 回顧 (2021)	MLOps 概述	MLOps 回顧 (2021)
73	MLOps 回顧 (2020)	MLOps 概述	MLOps 回顧 (2020)
74	神經網路的藝術	神經網路的藝術表現	神經網路的藝術
75	MLOps 的設計模式	MLOps 中的設計模式總結	MLOps 的設計模式
76	如何掌握人工智慧世界的最新動態	有關如何跟上所有新聞並瀏覽源源不斷的人工智慧資訊的資源	如何掌握人工智慧世界的最新動態
77	ChatGPT 和 Whisper API	ChatGPT 和 Whisper API 開發人員的整合工具	ChatGPT 和 Whisper API
78	20 個能讓你受聘的機器學習項目	應該讓你被聘為機器學習工程師的項目	20 個能讓你受聘的機器學習項目
79	7 種頂級機器學習程式語言	機器學習中使用的頂級程式語言	7 種頂級機器學習程式語言
80	機器學習專案的有效測試（第一部分）	關於 ML 專案的有效測試的部落格文章（第一部分）	機器學習專案的有效測試（第一部分）
81	機器學習專案的有效測試（第二部分）	關於 ML 專案的有效測試的部落格文章（第二部分）	機器學習專案的有效測試（第三部分）
82	機器學習專案的有效測試（第三部分）	關於 ML 專案的有效測試的部落格文章（第三部分）	機器學習專案的有效測試（第三部分）
83	Netflix 的決策	Netflix 如何使用 A/B 測試做出持續改善產品的決策，從而為會員帶來更多快樂和滿足	Netflix 的決策
84	什麼是 A/B 測試？	Netflix 如何使用 A/B 測試來引導決策並不斷創新其產品	什麼是 A/B 測試？
85	解釋 A/B 檢定結果：誤報與統計顯著性	透過查看誤報和統計顯著性來解釋 A/B 測試結果	解釋 A/B 檢定結果：誤報與統計顯著性
86	A/B 測試設計、實施和陷阱的完整指南	透過範例和 Python 實現，為非技術和技術專家提供資料科學實驗的端到端 A/B 測試	A/B 測試設計、實施和陷阱的完整指南。
87	資料科學面試中您應該了解的 10 個統計概念	數據科學面試所需了解的統計概念	資料科學面試時您應該了解的 10 個統計概念。
88	評估深度學習模型：混淆矩陣、準確度、精確度和回想率	使用混淆矩陣、準確度、精確度和回想率指標評估 ML 模型的概述	評估深度學習模型：混淆矩陣、準確度、精確度和回想率
89	醫學中的人工智慧：克服或重述改善病患照護的結構性挑戰？	人工智慧在醫學領域的前景	醫學中的人工智慧：克服或重述改善病患照護的結構性挑戰？
90	藥物發現中的圖神經網絡	深度學習應用改變藥物發現流程，提高發現新化合物的效率	藥物發現中的圖神經網絡
91	減少 X 射線資料雜訊的新 AI 方法	使用自動編碼器以無雜訊輸入訊號取代有雜訊的 X 光資料的概述	減少 X 射線資料雜訊的新 AI 方法
92	自然語言處理	該指南涵蓋了它的工作原理、頂尖技術的應用場景等等	自然語言處理
93	大 O 備忘錄	Big O 資料結構速查表 #1	大 O 備忘錄
94	大 O 備忘錄	Big O 資料結構速查表 #2	大 O 備忘錄
95	人工智慧生成內容 (AIGC) 的全面調查：從 GAN 到 ChatGPT 的生成式 AI 歷史	生成式人工智慧技術與應用的歷史概述	人工智慧生成內容 (AIGC) 的全面調查：從 GAN 到 ChatGPT 的生成式 AI 歷史
96	聊天醫生	使用醫學領域知識在 LLaMA 模型上微調的醫療聊天模型	聊天醫生
97	所有備忘錄	從人工智慧到資料工程到機器學習到 Linux 到數學到 R 到 Matlab 等等領域的備忘單	所有備忘錄
98	通用汽車指數	關於通用醫療人工智慧 (GMAI) 的論文，旨在推動大規模醫療人工智慧模型的開發，提高醫療任務的準確性，使複雜的醫療資訊更容易存取並協助手術團隊	通用汽車指數
99	9 個重要的 ChatGPT 提示	9 個重要的 ChatGPT 提示和範例	9 個重要的 ChatGPT 提示符
100	IPython ChatGPT 擴展	允許您直接從 Jupyter Notebook 或 IPython Shell 使用 ChatGPT 的擴展	IPython ChatGPT 擴展
101	打開助手	ChatGPT 的開源替代品	打開助手
102	恐龍v2	無監督視覺 Transformer 模型可以用作幾乎所有 CV 任務的骨幹	恐龍v2
103	數據摩爾	開源工具包可簡化機器學習科學家在藥物發現的分子處理和特徵化工作流程	數據摩爾
104	ChatGPT 與 GPT4 比較	比較 ChatGPT 與 GPT 的圖像	ChatGPT 與 GPT4 比較
105	自我監督學習食譜	關於智能暗物質的研究和所有筆記	自我監督學習食譜
106	快速工程備忘單	幫助為 GPT 等聊天機器人編寫出色的提示	快速工程備忘單
107	GitHub 副駕駛指南	GitHub Copilot 指南幻燈片	GitHub 副駕駛指南
108	GitHub Copilot 與 ChatGPT 的比較	聊天機器人與程式設計助理的比較（以幻燈片形式）	GitHub Copilot 與 ChatGPT 的比較
109	GitHub Copilot 與 Codeium 的比較	編碼助理的比較；一種是付費的，另一種是開源的	GitHub Copilot 與 Codeium 的比較
110	AutoGPT 入門	AutoGPT 入門 - 安裝 - 使用案例 - 可能的誤用	[https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/AutoGPT_Guide.pdf]
111	有用的人工智慧工具	有用的人工智慧工具，從 Copilot 到 AutoGPT 到 MidJourney 到 Grammarly 到對話機器人	[https://github.com/aurimas13/Machine-Learning-Goodness/blob/main/Notes/Useful_AI_Tools.pdf]
112	ChatGPT 提示備忘單	有用的 ChatGPT 提示備忘單	ChatGPT 提示備忘單
113	機器學習是工程師和科學家的第一門課程	來自劍橋大學的機器學習初學者到高級信息	機器學習工程師和科學家的第一門課程。
114	機器學習項目	機器學習項目	機器學習項目
115	Python 資料科學手冊	Python 資料科學手冊	Python 資料科學手冊
116	Python 統計簡介	統計學是數學的一個分支，涉及資料的收集、分析、解釋、呈現和組織	Python 統計簡介
117	適合所有人的 Python	適合所有人的 Python	適合所有人的 Python
118	適合所有人的 Python 機器學習（Addison-Wesley 資料與分析系列）	適合所有人的 Python 機器學習	適合所有人的 Python 機器學習（Addison-Wesley 資料與分析系列）
119	Python 資料分析	Python 資料分析	Python 資料分析
120	Python 資料科學基礎	Python 資料科學基礎	Python 資料科學基礎
121	使用 Python 進行圖形資料建模	使用 Python 進行圖形資料建模	使用 Python 進行圖形資料建模
122	Python 50 天－一天的挑戰。	Python 50 天－一天的挑戰。	Python 50 天－一天的挑戰。
123	小型 Python 專案	小型 Python 專案	小型 Python 專案
124	令人興奮的人工智慧工具	人工智慧工具從寫作到視訊到設計到生產力到行銷到聊天機器人	令人興奮的人工智慧工具
125	150 多個帶有原始程式碼的 Python 項目	179 個帶有原始程式碼的 Python 項目	150 多個帶有原始程式碼的 Python 項目

有價值的儲存庫

（回頂端）

與 ML/DL/NN/AGI 課程相關的有價值的 GitHub 儲存庫（包含所有詳細資訊）可以在這裡找到：

數位	標題	描述	關聯
1	高級人工智慧課程	立陶宛 Code Academy 高級人工智慧課程	高級人工智慧課程
2	Coursera 深度學習課程上的 GitHub	Deeplearning.ai 的 Coursera 深度學習專業化 GitHub 儲存庫	GitHub 上的 Coursera 深度學習課程
3	Coursera 深度學習課程筆記	Deeplearning.ai 的 Coursera 深度學習專業講義	Cousera 深度學習課程筆記
4	機器學習範疇論	Github 包含各個人工智慧領域範疇論的出版品列表	機器學習範疇論
5	機器學習的基礎	了解機器學習專家所使用的概念、技術和數學框架	機器學習的基礎
6	很棒的強化學習	Github 儲存庫，提供有關強化學習的精彩資料	很棒的強化學習
7	優化化學反應	透過深度強化學習優化化學反應	優化化學反應
8	機器學習備忘錄	有關監督學習、無監督學習和深度學習的機器學習備忘錄以及提示和技巧	機器學習備忘錄
9	機器學習 YouTube 課程	YouTube 上提供最新的機器學習課程	ML YouTube 課程
10	機器學習課程筆記	機器學習相關課程筆記	機器學習課程筆記
11	機器學習專案的有效測試	用於有效測試 ML 專案的 GitHub 儲存庫	機器學習專案的有效測試
12	聊天醫生	ChatDoctor 的 GitHub 儲存庫，在第 90 天編寫或在工具上作為 96 項訪問	聊天醫生 GitHub
13	自動GPT	展示 GPt4 功能的實驗應用程式的 GitHub 儲存庫	自動GPT
14	駱駝毛-13B	一個開源聊天機器人，透過在約 7 萬個用戶共享的 ChatGPT 對話上微調 LLaMA 進行訓練	駱駝毛-13B
15	快速工程指南	快速工程指南	快速工程指南
16	使用 Python 進行最佳機器學習	910 個精心策劃的機器學習項目	使用 Python 進行最佳機器學習
17 號	數據科學初學者 - 課程	Microsoft 的 Azure 雲端倡導者很高興提供為期 10 週、20 課程的資料科學課程	數據科學初學者 - 課程
18	資料科學訪談資源	數據科學面試資源	資料科學訪談資源
19	很棒的數據科學	開源資料科學儲存庫，用於學習和應用資料科學技能來解決現實世界的問題	很棒的數據科學
20	數據摩爾	開源工具包可簡化機器學習科學家在藥物發現的分子處理和特徵化工作流程	數據摩爾
21	私人GPT	一個神奇的工具，您可以利用法學碩士的力量，在沒有網路連線的情況下對您的文件提出問題	私人GPT
22	RT-2型號	該模型使用多達 55B 個參數主幹，並對其進行微調以直接輸出在現實世界中執行的機器人動作	RT-2
23	GPT緩存	一個工具，允許您快取 GPT-3 API 呼叫的結果並在以後重複使用它們	GPT緩存
24	令人敬畏的人工智慧驅動的開發者工具	利用 AI 協助開發人員完成程式碼完成、重構、調試、文件編制等任務的工具	令人敬畏的人工智慧驅動的開發者工具

筆記型電腦

（回頂端）

可以在此處找到各種資料集的完成筆記本。

筆記

（回頂端）

我們透過我提到和談到的講座或材料涵蓋的其他註釋可以在這裡找到。

100天機器學習代碼

（回頂端）

每天#100DaysOfMLCode挑戰的資料可以在此處的自述文件部分找到。

用機器學習完成一年

（回頂端）

每天#FinishYearWithML挑戰的材料可以在此處的自述文件部分找到。

民眾

（回頂端）

公共資料夾包含兩個檔案：

• todolist - 待辦事項清單。
• 圖像 - 圖像資料夾。

瀏覽器中的 Jupyter

（回頂端）

第一件好事是，您也可以透過瀏覽器運行 Jupyter，方法是前往此處並在本文中閱讀有關它的更多資訊。

如果您發現透過瀏覽器執行 Jupyter Notebook 遇到困難，那麼您可以按一下此處使用 Google Colab。兩台機器的功能相似。

標識

（回頂端）

可以在此處找到儲存庫的標誌。

執照

（回頂端）

麻省理工學院許可證可以在這裡找到。