Repository navigation

ML-Tutorial-Experiment

Public

About

Coding the Machine Learning Tutorial for Learning to Learn

2.5k stars

182 watching

Report repository

Name		Name	Last commit message	Last commit date
Experiments		Experiments
README.md		README.md

Repository files navigation

ML-Tutorial-Experiment

Coding the Machine Learning Tutorial for Learning to Learn

第一期：从零开始用TensorFlow搭建卷积神经网络--&--文章代码
- 补充资料：基础代码解析
- 补充资料：Keras构建CNN
- 补充资料：TensorFlow构建LeNet-5
- 补充资料：从DensNet到CliqueNet，探索卷积神经网络架构
第二期：GAN完整理论推导与实现--&--文章代码
- 补充资料：原版GAN的TensorFlow实现
第三期：CapsNet结构解析与实现--&--文章代码
- 补充资料：解读官方实现的核心代码
第四期：RNN与CNN的序列建模--&--LSTM语言建模--&--TCN官方实现--&--TCN语言建模（Colaboratory）
第五期：基于Transformer的神经机器翻译--&--Colaboratory实现

为了扩展优秀模型与实现，机器之心将梳理历史优质文章，同时也欢迎各位开发者与研究者提供优质的文章。我们将尝试确定添加的文章都是可复现，且基本无理解性错误的文章，并按以下模型归类。若读者发现这些文章有错误或理解误差，可以在 GitHub 上提 issue，确定后我们将修改文章。

数学与编程基础
- 线性代数
  - 教程 | 基础入门：深度学习矩阵运算的概念和代码实现
- 概率与信息论
  - 从概率论到多分类问题：综述贝叶斯统计分类
- 数值计算
- Python基础
  - 从变量到封装：一文带你为机器学习打下坚实的Python基础
  - 一文带你了解 Python 集合与基本的集合运算
- NumPy基础
一般机器学习
- 入门模型
  - 线性回归
  - Logistic 回归
    - 从原理到应用：简述Logistics回归算法
    - 从头开始：用Python实现带随机梯度下降的Logistic回归
- 朴素贝叶斯
  - 实践中最广泛应用的分类模型：朴素贝叶斯算法
- 决策树
- 支持向量机
- 聚类方法
  - K均值聚类
  - 层次聚类
- 降维算法
  - PCA
  - 自编码器
  - t-SNE
- 集成方法
  - Staking
  - Bagging
    - 随机森林
  - Boosting
    - AdaBoost
    - 提升树
    - 梯度提升树
- 概率图模型
  - 隐马尔科夫模型
  - 隐马尔可夫随机场
  - 条件随机场
- 半监督学习
  - Entropy-based
  - Graph-based
深度学习
- 最优化方法
- 深度前馈网络
- 深度卷积网络
- 深度循环网络
- 深度生成模型
  - PixelRNN/PixelCNN
  - VAE
  - GAN

About

Coding the Machine Learning Tutorial for Learning to Learn

2.5k stars

182 watching

Report repository

Releases

Packages

Used by

Contributors

Languages