AI Rank
EN
← 开源
DeqianBai

Hands-on-Machine-Learning

A series of Jupyter notebooks with Chinese comment that walk you through the fundamentals of Machine Learning and Deep Learning in python using Scikit-Learn and TensorFlow.

TutorialsML/AI fundamentalsJupyter Notebook
在 GitHub 打开
增长势头
+024 小时新增 Star0.0%
1.55k
Star
438
Fork
+0
本周
1
贡献者
创建于 2018-10-18 · 更新于 2026-10-09 · 今日第 10036 名
主要开发者
DeqianBai

DeqianBai/Hands-on-Machine-Learning 排名第 10,036，有 1,546 个星标。

同类别比较

DeqianBai/Hands-on-Machine-Learning 排名第 10,036，此处有 8 个同类条目；GoogleCloudPlatform/cloudml-samples 排名第 10,033。

同类别比较
名称排名指标
MoyanZitto/keras-cn10,008
星标数:
1,556
分叉数:
277
简介:
Chinese keras documents with more examples, explanations and tips.
samwit/langchain-tutorials10,018
语言:
Jupyter Notebook
星标数:
1,553
分叉数:
390
简介:
A set of LangChain Tutorials from my youtube channel
neural-maze/philoagents-course10,026
语言:
Python
星标数:
1,550
分叉数:
330
简介:
When Philosophy meets AI
GoogleCloudPlatform/cloudml-samples10,033
语言:
Python
星标数:
1,547
分叉数:
839
简介:
Cloud ML Engine repo. Please visit the new Vertex AI samples repo at https://github.com/GoogleCloudPlatform/vertex-ai-samples
devnag/pytorch-generative-adversarial-networks10,041
语言:
Python
星标数:
1,545
分叉数:
439
简介:
A very simple generative adversarial network (GAN) in PyTorch
scorpionhiccup/StockPricePrediction10,056
语言:
Jupyter Notebook
星标数:
1,539
分叉数:
436
简介:
Stock Price Prediction using Machine Learning Techniques
easychen/openai-gpt-dev-notes-for-cn-developer10,059
语言:
Shell
星标数:
1,538
分叉数:
104
简介:
如何快速开发一个OpenAI/GPT应用：国内开发者笔记
mikeroyal/Photogrammetry-Guide10,083
语言:
Python
星标数:
1,529
分叉数:
111
简介:
Photogrammetry Guide. Photogrammetry is widely used for Aerial surveying, Agriculture, Architecture, 3D Games, Robotics, Archaeology, Construction, Emergency management, and Medical.
关键参数与规格
关键参数与规格
参数值
语言Jupyter Notebook
类别Tutorials
子类别ML/AI fundamentals
星标数1,546
分叉数438
贡献者1
创建日期2018-10-18
更新日期2026-10-09
1 天星标数0
7 天星标数0
排名10,036
上次排名10,054
排名变化18
7 天星标排名12,485
上次 7 天星标排名9,816
7 天星标排名变化-2,669
总星标排名7,899
上次总星标排名7,890
总星标排名变化-9
国家China
README 摘录

Hands-on-Machine-Learning 目的 这份笔记旨在帮助中文学习者以一种**较快较系统的方式入门机器学习**， 是在学习Hands-on Machine Learning with Scikit-Learn and TensorFlow这本书的 时候做的个人笔记: 此项目的可取之处 原书的代码示例部分**只有

代码没有文字注释**，纸质书上有文字解释但不利于操作，这个项目将其合二为一， 学习者这只需要打开Jupyter notebook即可，无需频繁翻阅纸质书籍或查看PDF文档 形式和吴大大Deep learning. ai课程作业的形式一样

，**一段文字解释，一段代码操作**，方便快速理解原理并进行实践操作 中文注释，方便中文学习者较快较系统的入门机器学习 说明 全书分为 Part I 机器学习(8 章) 和 Part II 深度学习(8 章) 两大部分，Part II 最

后一章是强化学习 绪论部分和第一章大家直接看原书就好了，这个项目的代码示例是从第二章开始的 此项目适用于**英语不是那么好，而且时间又不怎么充裕，又想要快速入门机器学习的读者

**，大神就不要在这里耽误时间， 当然你如果想要完善一下自己的知识体系，缕清一些概念之间的关系，这本书还是很不错的选择 建议 **关于时间**，这本书是一位美国数据科学家向我推荐的，他从头到

尾做完了整本书的所有示例代码，大概用了80个小时左右，以此作为参考，大家自行安排自己的进度 **关于习题**，每一章后面都提供了相应的练习题，既有简述类的问答题，也有任务型的代码操作题

，附录里面都有参考答案，建议有时间的都学习一

常见问题

记录了多少星标和分叉？

DeqianBai/Hands-on-Machine-Learning 有 1,546 个星标和 438 个分叉。

仓库排名是多少？

DeqianBai/Hands-on-Machine-Learning 排名第 10,036。

记录的语言和类别是什么？

DeqianBai/Hands-on-Machine-Learning 有 1,546 个星标，语言为 Jupyter Notebook，类别为 Tutorials。

哪个仓库排名最接近？

DeqianBai/Hands-on-Machine-Learning 与 GoogleCloudPlatform/cloudml-samples 比较，后者排名第 10,033，有 1,547 个星标。

README

Hands-on-Machine-Learning

目的

这份笔记旨在帮助中文学习者以一种较快较系统的方式入门机器学习，

是在学习Hands-on Machine Learning with Scikit-Learn and TensorFlow这本书的 时候做的个人笔记:

此项目的可取之处

  • 原书的代码示例部分只有代码没有文字注释，纸质书上有文字解释但不利于操作，这个项目将其合二为一， 学习者这只需要打开Jupyter notebook即可，无需频繁翻阅纸质书籍或查看PDF文档
  • 形式和吴大大Deep learning.ai课程作业的形式一样，一段文字解释，一段代码操作，方便快速理解原理并进行实践操作
  • 中文注释，方便中文学习者较快较系统的入门机器学习

说明

  • 全书分为 Part I 机器学习(8 章) 和 Part II 深度学习(8 章) 两大部分，Part II 最后一章是强化学习
  • 绪论部分和第一章大家直接看原书就好了，这个项目的代码示例是从第二章开始的
  • 此项目适用于英语不是那么好，而且时间又不怎么充裕，又想要快速入门机器学习的读者，大神就不要在这里耽误时间， 当然你如果想要完善一下自己的知识体系，缕清一些概念之间的关系，这本书还是很不错的选择

建议

  • 关于时间，这本书是一位美国数据科学家向我推荐的，他从头到尾做完了整本书的所有示例代码，大概用了80个小时左右，以此作为参考，大家自行安排自己的进度
  • 关于习题，每一章后面都提供了相应的练习题，既有简述类的问答题，也有任务型的代码操作题，附录里面都有参考答案，建议有时间的都学习一下，对于掌握知识，应对面试，很有帮助。简述型的课后习题都以章节为单位翻译成中文放在我的简书上了欢迎查阅Hands-on machine learning with scikit-learn and tensorflow

收获

  • 在知识点广度上扫清一系列机器学习和深度学习的概念，循序渐进，易于接受
  • 第二章使用Scikit-Learn 全程跟踪一个机器学习项目的例子，非常有帮助
  • 探索各种训练模型，包括：支持向量机、决策树、随机森林以及集成方法
  • 使用TensorFlow库构建和训练神经网络，深入神经网络架构，包括卷积神经网络、循环神经网络和深度强化学习
  • 知识体系非常系统， 如果你能够从绪论部分一直看到附录部分并做完这上面的示例代码，你的理论基础一定会扎实的不要不要的

感谢

联系我

如果你有任何问题可以邮件联系我

baideqian@foxmail.com

排名相邻
同类项目