Repolode
Предложить
ben1234560

ben1234560/AiLearning-Theory-Applying

Учебный репозиторий на китайском языке: основы математики для ИИ, машинное и глубокое обучение, Transformer, BERT и разборы конкурсных задач с пояснениями к коду и датасетами.

Открыть на GitHub
Звёзды
3,585
Форки
476
Открытые issues
3
Последний коммит
20 дней назад

Что это?

AiLearning-Theory-Applying — учебный репозиторий на китайском языке для тех, кто начинает изучать ИИ. Он охватывает математические основы (математический анализ, линейную алгебру, теорию вероятностей и статистику), классические алгоритмы машинного обучения, например KMeans и байесовский анализ, темы глубокого обучения — от нейронных сетей до CNN, RNN и LSTM, — а также современные методы NLP на основе Transformer и BERT.

Помимо теоретических материалов, в репозитории есть практические проекты на основе соревнований Kaggle и китайских конкурсов по анализу данных: обнаружение мошенничества с кредитными картами, прогнозирование времени в пути и анализ тональности китайских текстов с BERT. Многие проекты включают датасеты и код с подробными комментариями, чтобы читатели могли запустить примеры и воспроизвести результаты.

Материалы организованы в виде последовательного курса по главам: статьи в Markdown сопровождаются Jupyter Notebooks. Репозиторий рассчитан на тех, кто хочет разбирать примеры на практике и воспроизводить их, а не просто читать обзорные материалы.

Ключевые возможности

  • 01В рамках одного курса охватываются математические основы, классическое машинное обучение, глубокое обучение, а также теория Transformer и BERT.
  • 02Практические проекты по мотивам соревнований, например обнаружение мошенничества с кредитными картами и прогнозирование времени в пути.
  • 03Для многих проектов приведены датасеты и код с комментариями, чтобы можно было воспроизвести примеры.
  • 04Учебный материал по анализу тональности китайских текстов с BERT и исходным кодом.
  • 05Сочетание пояснений в Markdown и Jupyter Notebooks.

Сценарии использования

  • Изучение математических основ машинного обучения перед написанием моделей.
  • Пошаговая практика моделирования данных на проектах в духе соревнований Kaggle.
  • Изучение принципов работы Transformer и BERT по материалам с подробными пояснениями.
  • Подготовка к китайским соревнованиям по анализу данных в области ИИ на практических примерах.

Что важно знать

  • Содержание написано на китайском языке.
  • В README указано, что материал нельзя использовать в коммерческих целях, что противоречит лицензии MIT в метаданных.

В подборках

Инструменты и библиотеки обработки естественного языка

Темы

#machine-learning#deep-learning#nlp#bert#transformer#tutorial#jupyter-notebook#kaggle#ai#dataming

Частые вопросы

Что такое AiLearning-Theory-Applying?
Учебный репозиторий на китайском языке: основы математики для ИИ, машинное и глубокое обучение, Transformer, BERT и разборы конкурсных задач с пояснениями к коду и датасетами. AiLearning-Theory-Applying — учебный репозиторий на китайском языке для тех, кто начинает изучать ИИ. Он охватывает математические основы (математический анализ, линейную алгебру, теорию вероятностей и статистику), классические алгоритмы машинного обучения, например KMeans и байесовский анализ, темы глубокого обучения — от нейронных сетей до CNN, RNN и LSTM, — а также современные методы NLP на основе Transformer и BERT.
AiLearning-Theory-Applying можно использовать бесплатно? Какая у него лицензия?
AiLearning-Theory-Applying распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
AiLearning-Theory-Applying всё ещё поддерживается?
Активно поддерживается. Последний коммит в AiLearning-Theory-Applying — 18 окт. 2026 г..
Для чего можно использовать AiLearning-Theory-Applying?
Изучение математических основ машинного обучения перед написанием моделей. Пошаговая практика моделирования данных на проектах в духе соревнований Kaggle. Изучение принципов работы Transformer и BERT по материалам с подробными пояснениями. Подготовка к китайским соревнованиям по анализу данных в области ИИ на практических примерах.
Где скачать AiLearning-Theory-Applying?
Исходный код и инструкции по установке — на GitHub: https://github.com/ben1234560/AiLearning-Theory-Applying

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

mrdbourke / pytorch-deep-learning

Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей.

Обучающие материалы#deep-learning#pytorch#machine-learning
19,4 тыс.+69 за неделю5,2 тыс.Jupyter NotebookMITОбновлён в прошлом месяце

datawhalechina / happy-llm

Учебник на китайском языке, который объясняет принципы работы LLM на примере создания небольшой модели в стиле LLaMA2 с нуля: от Transformer и предобучения до дообучения, RAG и агентов.

Обучающие материалы#llm#transformer#tutorial
34,8 тыс.+129 за неделю3,3 тыс.Jupyter NotebookOtherОбновлён 3 месяца назад