Repolode
提交项目
ben1234560

ben1234560/AiLearning-Theory-Applying

中文 AI 学习专题，涵盖数学基础、机器学习、深度学习、Transformer、BERT 及竞赛实战，附注释代码与数据集。

在 GitHub 查看
Star
3,585
Fork
476
未关闭 Issue
3
最近提交
20天前

这是什么？

AiLearning-Theory-Applying 是一个面向 AI 入门者的中文学习专题，按章节组织内容。理论部分涵盖必备数学基础（微积分、线性代数、概率统计）、KMeans、贝叶斯分析等经典机器学习算法，深度学习部分从神经网络讲到 CNN、RNN 与 LSTM，NLP 部分则介绍 Transformer 和 BERT 的原理。

除理论笔记外，仓库还包含基于 Kaggle 及国内数据竞赛整理的实战项目，如信用卡欺诈检测、道路通行时间预测、基于 BERT 的中文情感分析等。多数项目附带数据集和带详细注释的代码，方便读者运行并复现结果。

内容以 Markdown 文章与 Jupyter Notebook 结合的形式呈现，适合希望边学边跑代码、动手复现案例的初学者。

核心功能

  • 01将数学基础、经典机器学习、深度学习和 Transformer/BERT 原理串成一条学习路线。
  • 02提供信用卡欺诈检测、通行时间预测等基于竞赛的实战项目。
  • 03多数项目附带数据集和带注释的代码，便于复现。
  • 04包含基于 BERT 的中文情感分析教程及对应代码。
  • 05采用 Markdown 讲解与 Jupyter Notebook 实操相结合的形式。

适用场景

  • 在编写模型前补充机器学习所需的数学知识。
  • 跟随 Kaggle 风格的实战项目练习数据建模。
  • 借助带注释的讲解理解 Transformer 与 BERT 的工作原理。
  • 通过完整案例准备国内 AI 数据竞赛。

使用前须知

  • 内容以中文撰写。
  • README 称本专题不用于商业用途，这与元数据中的 MIT 许可证存在冲突。

收录于专题

自然语言处理工具与库

标签

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

常见问题

AiLearning-Theory-Applying 是什么？
中文 AI 学习专题，涵盖数学基础、机器学习、深度学习、Transformer、BERT 及竞赛实战，附注释代码与数据集。 AiLearning-Theory-Applying 是一个面向 AI 入门者的中文学习专题，按章节组织内容。理论部分涵盖必备数学基础（微积分、线性代数、概率统计）、KMeans、贝叶斯分析等经典机器学习算法，深度学习部分从神经网络讲到 CNN、RNN 与 LSTM，NLP 部分则介绍 Transformer 和 BERT 的原理。
AiLearning-Theory-Applying 可以免费使用吗？用的什么许可证？
AiLearning-Theory-Applying 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
AiLearning-Theory-Applying 还在维护吗？
活跃维护中。AiLearning-Theory-Applying 最近一次提交是在 2026年10月18日。
AiLearning-Theory-Applying 适合用来做什么？
在编写模型前补充机器学习所需的数学知识。 跟随 Kaggle 风格的实战项目练习数据建模。 借助带注释的讲解理解 Transformer 与 BERT 的工作原理。 通过完整案例准备国内 AI 数据竞赛。
在哪里获取 AiLearning-Theory-Applying？
源代码和安装说明在 GitHub 上：https://github.com/ben1234560/AiLearning-Theory-Applying

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目