首頁>編程相關>其他源碼
下載

機器學習教程和文章

插圖

在此存儲庫中，我正在從我的個人博客中上傳代碼，筆記本和文章：https：//maelfabien.github.io/。如果您喜歡我的工作，請不要猶豫！每週發表新文章！

我最近開始了一條新聞通訊，其中我收集了一些關於主題，有趣的GitHub存儲庫，項目，論文等的很酷的文章！我將嘗試每月發送1到2封電子郵件。如果您想留在循環中，請單擊此處：http：//eepurl.com/gyyzi5

新：我正在尋找有動力的數據科學家來幫助我建立高環境影響算法（CV本質上）。如果您有興趣，請與我聯繫（我的網站，聯繫部分）

內容表：

  • 作弊表
  • 最新文章
  • 機器學習
  • 深度學習
  • 數據工程
  • 為其他博客編寫
  • 中等文章

首先，如果您不熟悉機器Learning的關鍵概念，請確保檢查第一篇文章：https：//maelfabien.github.io/machinelearning/ml_base/

存儲庫的組織方式是以下方式：

  • 文章和教程按類別發布
  • 有一個指定的文章的鏈接，並指定了讀取時間
  • 這是每篇文章的代碼文件夾的鏈接

您想和我一起工作嗎？或者您希望我能研究一個特定的話題？隨時伸出手！ （[email protected]）

機器學習作弊表：

目前，這些作弊表是手動寫的。我想在以後創建一個視覺內容，該內容既可以在數學上潛入，又可以清楚地說明每個算法。

  1. 監督學習

插圖

  1. 無監督的學習

插圖


專案

我做了一系列項目，所有這些都可以在我的博客上提供：https：//maelfabien.github.io/portfolio/#

插圖

最新文章

SP-語音性別檢測Web應用程序：如何使用MFCC，GMM和提供的數據集提取相關功能並構建語音性別檢測應用程序。

SP-聲音可視化（3/3）：潛入頻譜圖，Chromagram，節奏圖，光譜功率密度等...

SP-聲音特徵提取（2/3）：概述，具有python的實現，可以提取不同的聲音功能。

SP- Python中的語音處理簡介（1/3）：用概念，代碼和示例的“使用Python的語音計算”摘要。

SP-構建語音活動檢測Web應用程序：例如，語音檢測可用於啟動語音助手或在緊急情況下。這是使用簡單方法實現它的方法。

簡歷 - 實現Yolov3以進行對象檢測：了解如何實現Yolov3並在圖像和視頻上檢測對象。

NLP-使用AllennLP回答的簡單問題：了解核心概念，並創建一個簡單的問題回答示例。

NLP- NLP中的數據增強：實施“易於數據增強”論文的詳細信息。

NLP-角色級別的LSTM預測名字的性別：預測法語和美國名字的性別的精度為90％。

NLP-幾個鏡頭文本分類：實施簡單的論文，該論文利用預先訓練的模型來進行幾個鏡頭文本分類。

NLP-改進的少數鏡頭文本分類：通過數據增強和更複雜的模型改善先前的結果。

RL-強化學習介紹：強化學習的基本構件簡介。

RL-馬爾可夫決策過程：馬爾可夫決策過程和貝爾曼方程的概述。

RL-通過動態編程進行計劃：動態編程簡介，包括策略和價值迭代。

NLP-我訓練了一個神經網絡，像我一樣講話：寫了100多篇文章，我訓練了NN像我一樣撰寫文章。

DL-神經網絡如何學習？ ：潛入前進過程和後傳播。

查看更多

插圖

插圖

文章標題閱讀時間文章代碼文件夾
線性回歸模型（1/2） 14mn這裡這裡
線性回歸模型（3/2） 10mn這裡這裡
統計假設檢驗的基礎知識5mn這裡---
邏輯回歸4mn這裡這裡
MATLAB中的統計數據4mn這裡---

插圖

文章標題閱讀時間文章代碼文件夾
機器學習的基礎4mn這裡---
貝葉斯分類器1mn這裡---
線性判別分析3mn這裡---
Adaboost和增強7mn這裡這裡
梯度提升回歸6mn這裡這裡
梯度增強分類3mn這裡---
SVM的大型內核方法9mn這裡這裡
異常檢測3mn這裡---

插圖

文章標題閱讀時間文章代碼文件夾
時間序列簡介4mn這裡這裡
時間序列的關鍵概念4mn這裡這裡

插圖

文章標題閱讀時間文章代碼文件夾
馬爾可夫連鎖店9mn這裡這裡
隱藏的馬爾可夫模型6mn這裡---
從頭開始構建語言識別應用程序10mn這裡這裡

插圖

文章標題閱讀時間文章代碼文件夾
圖挖掘簡介5mn這裡這裡
圖分析4mn這裡這裡
圖算法11mn這裡這裡
圖形學習8mn這裡這裡
圖嵌入4mn這裡這裡

插圖

文章標題閱讀時間文章代碼文件夾
GridSearch與隨機搜索2mn這裡---
使用H2O的汽車6mn這裡---
貝葉斯高參數優化7mn這裡這裡
機器學習解釋性12mn這裡---

插圖

文章標題閱讀時間文章代碼文件夾
數據簡介12mn這裡---
視覺推薦系統4mn這裡---
與Altair的Python中的交互式圖5mn這裡這裡
帶有BQ圖的動態圖--- ---這裡
Altair的互動工具---這裡---
與D3.js的交互式工具---這裡---

插圖

文章標題閱讀時間文章代碼文件夾
在線學習簡介5mn這裡---
線性分類1mn這裡---

插圖

插圖

文章標題閱讀時間文章代碼文件夾
Rosenbaltt的感知者8mn這裡這裡
多層感知器（MLP） 5mn這裡這裡
防止神經Netorks過度擬合6mn這裡---
完整的神經網介紹6mn這裡---
卷積神經網絡6mn這裡---
神經網絡如何學習？ 3mn這裡---
DL激活功能3mn這裡這裡

插圖

文章標題閱讀時間文章代碼文件夾
凱拉斯的成立架構2mn這裡這裡
使用KERAS功能API構建自動編碼器5mn這裡---
X Ception架構5mn這裡這裡
MNIST數據集上的gans --- ---這裡

插圖

插圖

文章標題閱讀時間文章代碼文件夾
從頭開始建立情感識別WebApp 8mn這裡這裡
完整的面部，嘴和眼睛實時檢測的指南16mn這裡這裡
如何在MacOS上使用openpose？ 3mn這裡---
計算機視覺簡介1mn這裡---
圖像過濾和圖像梯度5mn這裡這裡
高級過濾和圖像轉換5mn這裡---
圖像功能，全景，匹配5mn這裡---
實施Yolov3進行對象檢測3mn這裡---

插圖

插圖

文章標題閱讀時間文章代碼文件夾
NLP簡介1mn這裡---
文本預處理8mn這裡---
用弓和TF-IDF嵌入文字5mn這裡---
文本嵌入Word2Vec 6mn這裡---
我訓練了一個神經網絡，像我一樣講話8mn這裡這裡
我訓練了一個神經網絡，像我一樣講話8mn這裡這裡
很少射擊文本分類10mn這裡這裡
改進了一些射擊文本分類9mn這裡這裡
預測名字的性別7mn這裡這裡
NLP中的數據增強3mn這裡---
簡單的問題與Allennlp回答4mn這裡---

插圖

插圖

文章標題閱讀時間文章代碼文件夾
加強學習簡介6mn這裡---
馬爾可夫決策過程7mn這裡---
通過動態編程進行計劃4mn這裡---

插圖

兩篇一般文章：

  1. 了解計算機組件（6MN讀取）https://maelfabien.github.io/bigdata/comp_components/

  2. 有用的bash命令（1MN讀）https://maelfabien.github.io/bigdata/terminal/

  3. 準備好您的代碼生產（1MN讀取）https://maelfabien.github.io/bigdata/code/


插圖

文章標題閱讀時間文章
Hadoop簡介4mn這裡
MapReduce 3mn這裡
HDFS 2mn這裡
虛擬框中的VM 1mn這裡
Hadoop與Hortonworks沙盒2mn這裡
加載並將文件移至HDFS 2mn這裡
發起MapReduce工作2mn這裡
Python的MapReduce工作3mn這裡
當地Python的MapReduce工作1mn這裡

插圖

文章標題閱讀時間文章
火花簡介6mn這裡
安裝Spark-Scala和Pyspark 1mn這裡
發現Spark-Scala 2mn這裡

插圖

文章標題閱讀時間文章
從頭開始的一個No-SQL項目8mn這裡
大（開放）數據，GDELT項目2mn這裡
本地安裝齊柏林飛艇1mn這裡
在AWS EMR上運行齊柏林飛艇4mn這裡
使用S3桶1mn這裡
啟動和訪問AWS EC2實例2mn這裡
在EC2群集上安裝Apache Cassandra 2mn這裡
在EC2實例上安裝Zookeeper 3mn這裡
在Scala中構建ETL 3mn這裡
將Scala DataFrames移至Cassandra 2mn這裡
將Scala DataFrames移至Cassandra 2mn這裡

插圖

文章標題閱讀時間文章
AWS雲概念2mn這裡
AWS核心服務1mn這裡

插圖

文章標題閱讀時間文章
TPU COLAB的生存指南8mn這裡
將文件存儲在Google Cloud和Colab上1mn這裡
TPU COLAB的生存指南8mn這裡
GCP簡介（第1週模塊1） 6mn這裡
實驗室 - 實例VM +雲存儲3mn這裡
實驗室-BigQuery公共數據集1mn這裡
推薦系統簡介（第1週模塊2） 4mn這裡
在Cloud Dataproc上運行Spark作業（第1週模塊2） 2mn這裡
實驗室 - 推薦使用Cloud SQL和SparkML的產品6mn這裡
使用BigQuery ML運行SQL中的ML型號（第1週模塊3） 6mn這裡

插圖

文章標題閱讀時間文章
彈性堆棧簡介1mn這裡
開始使用Elasticsearch和Kibana 7mn這裡
在本地安裝和運行Kibana 1mn這裡
在Elasticsearch中與DevTools合作9mn這裡
在Elasticsearch中與DevTools合作9mn這裡

插圖

文章標題閱讀時間文章
圖數據庫簡介1mn這裡
Neo4J GraphTour的一天7mn這裡

為其他博客編寫

  1. 誰是畫家？ - 對於explorium.ai：數據豐富和功能工程如何改善模型的說明。

  2. 機器學習的解釋性和解釋性（1/2） - 用於Explorium.AI：具有代碼和示例的可解釋模型簡介。

  3. 機器學習的解釋性和解釋性（2/2） - 用於Explorium.AI：用代碼和示例在機器學習中解釋性的簡介。

  4. 面對檢測指南 - 對於digitalMinds.io：python中不同技術面部檢測的概述（帶代碼）。

  5. ModéliserDesDistributions Avec Python（法語） - 用於STAT4DECISION：發行擬合Web應用程序的STAMLIT。

  6. 簡介AU特徵自動de語言自然（TAL）（法語） - 用於Stat4Decision

中等文章

  1. 提升和Adaboost清楚地解釋了：https：//towardsdatascience.com/boosting-and-adaboost-clearly-clelly-clelain-856e21152d3e

  2. python面對檢測指南：https：//towardsdatascience.com/a-guide-to-face-detection-in-python-3eab0f6b9fc1

  3. 馬爾可夫連鎖店和HMM：https：//towardsdatascience.com/markov-chains-and-hmms-ceaf2c854788

  4. 圖表簡介（第1部分）：https：//towardsdatascience.com/introduction to-graphs-parts-part-1-2de6cda8c5a5

  5. 圖算法（第2部分）：https：//towardsdatascience.com/graph-algorithms-part-part-2-dce0b2734a1d

  6. 圖形算法（第3部分）：https：//towardsdatascience.com/learning-ingraphs-with-python-part-part-3-8d5513eef62d

  7. 我訓練了一個神經網絡，像我一樣講話：https：//towardsdatascience.com/i- trained-a-network-to-speak-peak-like-me-9552c16e2396

敬請關注 ：）

展開
附加信息
相關應用
爲您推薦
相關資訊 全部