MLEveryday / practicalAI-cn
AI实战-practicalAI 中文版
AI Architecture Analysis
This repository is indexed by RepoMind. By analyzing MLEveryday/practicalAI-cn in our AI interface, you can instantly generate complete architecture diagrams, visualize control flows, and perform automated security audits across the entire codebase.
Our Agentic Context Augmented Generation (Agentic CAG) engine loads full source files into context, avoiding the fragmentation of traditional RAG systems. Ask questions about the architecture, dependencies, or specific features to see it in action.
Embed this Badge
Showcase RepoMind's analysis directly in your repository's README.
Repository Summary (README)
PreviewAI实战-practicalAI 中文版
让你有能力使用机器学习从数据中获取有价值的见解。
- 🔥 使用 PyTorch 实现基本的机器学习算法和深度神经网络。
- 🖥️ 不需要任何设置，在浏览器中使用 Google Colab 运行所有程序。
- 📦 不仅仅是教程，而是学习产品级的面向对象机器学习编程。
Notebooks
| 基础 | 深度学习 | 进阶 | 主题 |
|---|---|---|---|
| 📓 Notebooks | 🔥 PyTorch | 📚 高级循环神经网络 Advanced RNNs | 📸 计算机视觉 Computer Vision |
| 🐍 Python | 🎛️ 多层感知 Multilayer Perceptrons | 🏎️ Highway and Residual Networks | ⏰ 时间序列分析 Time Series Analysis |
| 🔢 NumPy | 🔎 数据和模型 Data & Models | 🔮 自编码器 Autoencoders | 🏘️ Topic Modeling |
| 🐼 Pandas | 📦 面向对象的机器学习 Object-Oriented ML | 🎭 生成对抗网络 Generative Adversarial Networks | 🛒 推荐系统 Recommendation Systems |
| 📈 线性回归 Linear Regression | 🖼️ 卷积神经网络 Convolutional Neural Networks | 🐝 空间变换模型 Spatial Transformer Networks | 🗣️ 预训练语言模型 Pretrained Language Modeling |
| 📊 逻辑回归 Logistic Regression | 📝 嵌入层 Embeddings | 🤷 多任务学习 Multitask Learning | |
| 🌳 随机森林 Random Forests | 📗 递归神经网络 Recurrent Neural Networks | 🎯 Low Shot Learning | |
| 💥 k-均值聚类 KMeans Clustering | 🍒 强化学习 Reinforcement Learning |
查看 notebooks
如果不需要运行 notebooks，使用 Jupyter nbviewer 就可以方便地查看它们。
将 https://github.com/ 替换为 https://nbviewer.jupyter.org/github/ ，或者打开 https://nbviewer.jupyter.org 并输入 notebook 的 URL。
运行 notebooks
- 在本项目的
notebooks文件夹获取 notebook； - 你可以在 Google Colab（推荐）或本地电脑运行这些 notebook；
- 点击一个 notebook，然后替换URL地址中
https://github.com/为https://colab.research.google.com/github/，或者使用这个 Chrome扩展 一键完成； - 登录你自己的 Google 账户；
- 点击工具栏上的
复制到云端硬盘，会在一个新的标签页打开 notebook；
- 通过去掉标题中的
副本完成 notebook 重命名； - 运行代码、修改等，所有这些都会自动保存到你的个人 Google Drive。
贡献 notebooks
- 修改后下载 Google Colab notebook 为 .ipynb 文件；
- 转到 https://github.com/LisonEvf/practicalAI-cn/tree/master/notebooks ；
- 点击
Upload files.
- 上传这个 .ipynb 文件；
- 写一个详细详细的提交标题和说明；
- 适当命名你的分支；
- 点击
Propose changes。
贡献列表
欢迎任何人参与和完善。
| Notebook | 译者 |
|---|---|
| 00_Notebooks.ipynb | @amusi |
| 01_Python.ipynb | @amusi |
| 02_NumPy.ipynb | @amusi |
| 03_Pandas.ipynb | @amusi |
| 04_Linear_Regression.ipynb | @jasonhhao |
| 05_Logistic_Regression.ipynb | @jasonhhao |
| 06_Random_Forests.ipynb | @jasonhhao |
| 07_PyTorch.ipynb | @amusi |
| 08_Multilayer_Perceptron.ipynb | @zhyongquan |
| 09_Data_and_Models.ipynb | @zhyongquan |
| 10_Object_Oriented_ML.ipynb | @zhyongquan |
| 11_Convolutional_Neural_Networks.ipynb | |
| 12_Embeddings.ipynb | @wengJJ |
| 13_Recurrent_Neural_Networks.ipynb | |
| 14_Advanced_RNNs.ipynb | |
| 15_Computer_Vision.ipynb |