文件名称：handson-ml2：一系列Jupyter笔记本，通过使用Scikit-Learn，Keras和TensorFlow 2引导您了解Python机器学习和深度学习的基础
文件大小：24.5MB
文件格式：ZIP
更新时间：2024-03-01 00:07:05
JupyterNotebook
机器学习笔记本 该项目旨在教您使用python进行机器学习的基础知识。 它包含O'Reilly的第二版《 一书中的示例代码和练习的解决方案： 注意：如果您正在寻找第一版笔记本，请查看 。 快速开始 是否想在线玩这些笔记本而无需安装任何东西？ 使用以下任何服务。 警告：请注意，这些服务提供了临时环境：一段时间后，您所做的任何事情都会被删除，因此请确保下载您关心的所有数据。 推荐：在合作 打开此存储库： 或在打开它： 注意：在大多数情况下，Binder会快速启动并运行良好，但是，在更新handson-ml2时，Binder会从头开始创建新环境，这可能会花费一些时间。 或在打开它： 只想快速查看一些笔记本，而不执行任何代码？ 使用浏览此存储库： 注意： 也可以工作，但是速度较慢，并且数学方程式不能始终正确显示。 是否要使用Docker映像运行该项目？ 阅读。 是否要在自己
【文件预览】：
handson-ml2-master
----.gitignore(281B)
----08_dimensionality_reduction.ipynb(3.53MB)
----book_equations.pdf(993KB)
----README.md(4KB)
----04_training_linear_models.ipynb(751KB)
----INSTALL.md(5KB)
----extra_autodiff.ipynb(32KB)
----10_neural_nets_with_keras.ipynb(447KB)
----06_decision_trees.ipynb(214KB)
----11_training_deep_neural_networks.ipynb(409KB)
----tools_numpy.ipynb(615KB)
----tools_pandas.ipynb(441KB)
----02_end_to_end_machine_learning_project.ipynb(1.27MB)
----05_support_vector_machines.ipynb(889KB)
----environment.yml(1KB)
----15_processing_sequences_using_rnns_and_cnns.ipynb(1.19MB)
----LICENSE(10KB)
----datasets()
--------jsb_chorales()
--------lifesat()
--------inception()
--------housing()
----13_loading_and_preprocessing_data.ipynb(578KB)
----01_the_machine_learning_landscape.ipynb(281KB)
----14_deep_computer_vision_with_cnns.ipynb(4.16MB)
----index.ipynb(5KB)
----03_classification.ipynb(799KB)
----tools_matplotlib.ipynb(3.43MB)
----07_ensemble_learning_and_random_forests.ipynb(539KB)
----extra_gradient_descent_comparison.ipynb(303KB)
----19_training_and_deploying_at_scale.ipynb(54KB)
----docker()
--------Dockerfile(3KB)
--------README.md(3KB)
--------bashrc.bash(89B)
--------bin()
--------.env(33B)
--------docker-compose.yml(516B)
--------jupyter_notebook_config.py(691B)
--------Makefile(263B)
----18_reinforcement_learning.ipynb(287KB)
----16_nlp_with_rnns_and_attention.ipynb(306KB)
----requirements.txt(3KB)
----math_differential_calculus.ipynb(593KB)
----images()
--------cnn()
--------rl()
--------svm()
--------tensorflow()
--------autoencoders()
--------ensembles()
--------distributed()
--------training_linear_models()
--------decision_trees()
--------classification()
--------rnn()
--------fundamentals()
--------deep()
--------end_to_end_project()
--------unsupervised_learning()
--------nlp()
--------ann()
----environment-windows.yml(1KB)
----12_custom_models_and_training_with_tensorflow.ipynb(182KB)
----changes_in_2nd_edition.md(9KB)
----work_in_progress()
--------extra_tensorflow_reproducibility.ipynb(55KB)
--------extra_capsnets.ipynb(250KB)
--------extra_capsnets-cn.ipynb(292KB)
----17_autoencoders_and_gans.ipynb(6.04MB)
----math_linear_algebra.ipynb(657KB)
----apt.txt(129B)
----09_unsupervised_learning.ipynb(3.78MB)