Skip to content
Proyectos

Sakura-gh/ML-notes has 3,279 GitHub stars and 885 forks. GitHot measured -1 stars in 24 hours, -2 in 7 days, and -2 in 15 days. Last checked 2026-11-20 04:15 UTC. Last push 2021-11-22.

Cómo se miden estas cifras

Crecimiento de estrellas medido

in 24h
-1
in 7 days
-2
in 15 days
-2
in 1 month
Recopilando historial

Cambios netos en períodos que se solapan, no totales diarios. Los datos no disponibles se dejan en blanco. Las estrellas indican interés, no calidad.

Acerca de

notes about machine learning

Aprendizaje automático

README.md

Original

ML-notes

GitHub issues GitHub forks GitHub stars GitHub license

notes about machine learning

很喜欢一句话:应用之道,存乎一心,与大家共勉

ps:如果我的笔记对你有帮助,给个star叭!查看机器学习笔记的PDF订阅版(301页)以及更多计算机相关笔记,欢迎大家关注微信公众号"Sakura的知识库"~

ML-Assignments

ML配套Assignments (ppt+code):https://github.com/Sakura-gh/ML-assignments

内容包括:Regression, Classification, CNN, RNN, Explainable AI, Adversarial Attack, Network Compression, Seq2Seq, GAN, Transfer Learning, Meta Learning, Life-long Learning, Reforcement Learning.

pages

the github page is: https://Sakura-gh.github.io/ML-notes

you can also visit gitee page for quicker Internet in China: https://Sakura-gh.gitee.io/ml-notes

html链接:

1_Introduction

2_Regression Case Study

3_Regression demo(Adagrad)

4_Where does the error come from

5_Gradient Descent

6_Classification

7_Logistic Regression

8_Deep Learning

9_Backpropagation

10_Keras

11_Convolutional Neural Network part1

12_Convolutional Neural Network part2

13_Tips for Deep Learning

14_Why Deep

15_Semi-supervised Learning

16_Unsupervised Learning Introduction

17_Unsupervised Learning PCA part1

18_Unsupervised Learning PCA part2

19_Matrix Factorization

20_Unsupervised Learning Word Embedding

21_Unsupervised Learning Neighbor Embedding

22_Unsupervised Learning Deep Auto-encoder

23_Unsupervised Learning Generation

24_Transfer Learning

25_Support Vector Machine

26_Recurrent Neural Network part1

27_Recurrent Neural Network part2

csdn博客链接:

机器学习系列1-机器学习概念及介绍

机器学习系列2-回归案例研究

梯度下降代码举例:Gradient Descent Demo(Adagrad)

机器学习系列4-模型的误差来源及减少误差的方法

机器学习系列5-梯度下降法

机器学习系列6-分类问题(概率生成模型)

机器学习系列7-逻辑回归

机器学习系列8-深度学习简介

机器学习系列9-反向传播

机器学习系列10-手写数字识别(Keras2.0)

机器学习系列11-卷积神经网络CNN part1

机器学习系列12-卷积神经网络CNN part2

机器学习系列13-深度学习的技巧和优化方法

机器学习系列14-为什么要做“深度”学习

机器学习系列15-半监督学习

机器学习系列16-无监督学习引言

机器学习系列17-无监督学习之PCA推导(Ⅰ)

机器学习系列18-无监督学习之PCA深入探讨(Ⅱ)

机器学习系列19-矩阵分解&推荐系统初步

机器学习系列20-无监督学习之词嵌入

机器学习系列21-无监督学习之近邻嵌入

机器学习系列22-无监督学习之自编码器

机器学习系列23-无监督学习之生成模型

机器学习系列24-迁移学习

机器学习系列25-支持向量机

机器学习系列26-循环神经网络RNN(Ⅰ)

机器学习系列27-循环神经网络RNN(Ⅱ)

代码链接:

Gradient Descent Demo(Adagrad)

手写数字识别(Keras2.0)

手写数字识别CNN实现(Keras2.0)

Keras实战小经验

PyTorch简易入门

LICENSE:

GPL-2.0

温馨提示:

图片加载可能会有些许缓慢,请耐心等待\(^o^)/

赞赏作者:

如果读后有收获,请作者喝杯咖啡吧,您的支持就是我最大的更新动力~

PDF订阅版:

关注公众号“Sakura的知识库”可订阅:

ML GPU:
GitAds