文件名称：machine-learning-in-fundamental-physics-2019
文件大小：50.34MB
文件格式：ZIP
更新时间：2024-03-27 15:00:14
JupyterNotebook
基础物理学中的机器学习2019 Sven Krippendorf博士@ LMU慕尼黑为基础物理学课程中的机器学习提供的我的解决方案，2019年夏季学期 链接至讲座： : 习题集和样本解决方案可以从Sven Krippendorf博士那里获得： 带有教师反馈的已注释和更正的解决方案标记为“ _corr”。 最终成绩：1.3
【文件预览】：
machine-learning-in-fundamental-physics-2019-master
----04()
--------MarioGaimann_04.ipynb(2.57MB)
--------MarioGaimann_04_corr.ipynb(2.58MB)
--------.ipynb_checkpoints()
----02()
--------MarioGaimann_02.ipynb(2.63MB)
--------.ipynb_checkpoints()
--------MarioGaimann_02_corr.ipynb(2.95MB)
----README.md(540B)
----07()
--------MarioGaimann_07_corr.ipynb(489KB)
--------.ipynb_checkpoints()
----LICENSE(1KB)
----03()
--------MarioGaimann_03.ipynb(671KB)
--------Census.csv(571KB)
--------MarioGaimann_03_corr.ipynb(671KB)
--------.ipynb_checkpoints()
--------SupplementaryMaterial3.ipynb(91KB)
----05()
--------keras_cifar10_trained_model.h5(9.59MB)
--------MarioGaimann_05_corr.ipynb(1MB)
--------.ipynb_checkpoints()
--------model.png(126KB)
--------MarioGaimann_05.ipynb(208KB)
----img()
--------classifier.png(16KB)
--------decision_trees.png(125KB)
--------clustering.png(14KB)
--------gradient_descent.png(418KB)
----06()
--------MarioGaimann_06_corr.ipynb(232KB)
--------MarioGaimann_06.ipynb(231KB)
--------.ipynb_checkpoints()
--------1505.04597.pdf(1.57MB)
--------4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf(1.35MB)
--------proof.jpg(152KB)
----09()
--------wgan.ipynb(661KB)
--------.ipynb_checkpoints()
--------MarioGaimann_09_corr.ipynb(1.29MB)
--------gan.ipynb(281KB)
--------MarioGaimann_09.ipynb(1.3MB)
----ml_for_physicists.pdf(11.67MB)
----00()
--------MarioGaimann_getting_started.ipynb(341KB)
----01()
--------MarioGaimann_01_corr.ipynb(341KB)
--------.ipynb_checkpoints()
--------MarioGaimann_01.ipynb(341KB)