xiaqunfeng/machine-learning-yearning 排名第 10,655，有 1,334 个星标。
同类别比较
xiaqunfeng/machine-learning-yearning 排名第 10,655，此处有 8 个同类条目；sychaichangkun/ROS-Academy-for-Beginners 排名第 10,654。
同类别比较| 名称 | 排名 | 指标 |
|---|
| jmtomczak/intro_dgm | 10,620 | - 语言:
- Jupyter Notebook
- 星标数:
- 1,344
- 分叉数:
- 206
- 简介:
- "Deep Generative Modeling": Introductory Examples
|
|---|
| qdhenry/Claude-Command-Suite | 10,629 | - 语言:
- Shell
- 星标数:
- 1,342
- 分叉数:
- 160
- 简介:
- Professional slash commands for Claude Code that provide structured workflows for software development tasks including code review, feature creation, security auditing, and architectural analysis.
|
|---|
| dair-ai/GNNs-Recipe | 10,639 | - 星标数:
- 1,339
- 分叉数:
- 136
- 简介:
- 🟠 A study guide to learn about Graph Neural Networks (GNNs)
|
|---|
| sychaichangkun/ROS-Academy-for-Beginners | 10,654 | - 语言:
- CMake
- 星标数:
- 1,334
- 分叉数:
- 1,189
- 简介:
- 中国大学MOOC《机器人操作系统入门》代码示例 ROS tutorial
|
|---|
| devAmoghS/Machine-Learning-with-Python | 10,659 | - 语言:
- Python
- 星标数:
- 1,333
- 分叉数:
- 204
- 简介:
- Small scale machine learning projects to understand the core concepts . Give a Star 🌟If it helps you. BONUS: Interview Bank coming up..!
|
|---|
| keon/deep-q-learning | 10,666 | - 语言:
- Python
- 星标数:
- 1,331
- 分叉数:
- 452
- 简介:
- Minimal Deep Q Learning (DQN & DDQN) implementations in Keras
|
|---|
| NVIDIA-developer-blog/code-samples | 10,671 | - 语言:
- HTML
- 星标数:
- 1,328
- 分叉数:
- 640
- 简介:
- Source code examples from the Parallel Forall Blog
|
|---|
| PandaBearLab/prompt-tutorial | 10,682 | - 星标数:
- 1,325
- 分叉数:
- 110
- 简介:
- chatGPT、prompt、LLM
|
|---|
关键参数与规格
关键参数与规格| 参数 | 值 |
|---|
| 类别 | Tutorials |
|---|
| 子类别 | MLE roadmap |
|---|
| 星标数 | 1,334 |
|---|
| 分叉数 | 402 |
|---|
| 贡献者 | 3 |
|---|
| 创建日期 | 2018-01-10 |
|---|
| 更新日期 | 2026-10-13 |
|---|
| 1 天星标数 | 0 |
|---|
| 7 天星标数 | 1 |
|---|
| 排名 | 10,655 |
|---|
| 上次排名 | 10,639 |
|---|
| 排名变化 | -16 |
|---|
| 7 天星标排名 | 9,932 |
|---|
| 上次 7 天星标排名 | 9,993 |
|---|
| 7 天星标排名变化 | 61 |
|---|
| 总星标排名 | 8,897 |
|---|
| 上次总星标排名 | 8,885 |
|---|
| 总星标排名变化 | -12 |
|---|
| 国家 | China |
|---|
README 摘录
README **目 录** 简介 目的 翻译章节 英文原文 重要声明 简介 NG的手稿，共58章现已出全。 25：NG终于出15~19章的手稿啦，等的好辛苦（DONE） Tips：在原先的12章和13章之间新增一个章节 ，原先的chapter13变为14，chapter14变为15 update
2018. 29：手稿 53~58 章已出（DONE） 业余时间翻译，水平有限，如有不妥或错误之处，欢迎不吝赐教。 你将学习： 如何建立你的开发和测试集 基本错误分析 如何使用偏差和方差来决定该做什么 学习曲线 将学习
算法与人类水平的表现进行比较 调试推理算法 什么时候应该和不应该使用端到端的深度学习 按步进行错误分析 翻译章节 共58个章，分10小节： Setting up development and test sets Basic Error Analysis Bias and Variance Learning curves Comparing to human-level performance Training
and testing on different distributions Debugging inference algorithms End-to-end deep learning Error analysis by parts Conclusion 翻译内容移步gitbooks：Machine Learning Yearning 英文原文 详见 draft 目录： 01-14章：Ng_MLY01-01-14.
常见问题
记录了多少星标和分叉？
xiaqunfeng/machine-learning-yearning 有 1,334 个星标和 402 个分叉。
仓库排名是多少？
xiaqunfeng/machine-learning-yearning 排名第 10,655。
哪个仓库排名最接近？
xiaqunfeng/machine-learning-yearning 与 sychaichangkun/ROS-Academy-for-Beginners 比较，后者排名第 10,654，有 1,334 个星标。
README
目 录
简介
NG的手稿，共58章现已出全。我这里边学习边翻译，随手记录之，加深学习印象，仅供学习交流。
官网：http://www.mlyearning.org/
更新记录：
Tips：在原先的12章和13章之间新增一个章节 13 Build your first system quickly, then iterate，原先的chapter13变为14，chapter14变为15
- update 2018.05.02：手稿 20~22 章已出（DONE）
- update 2018.05.09：手稿 23~27 章已出（DONE）
- update 2018.05.16：手稿 28~30 章已出（DONE）
- update 2018.05.23：手稿 31~32 章已出（DONE）
- update 2018.05.30：手稿 33~35 章已出（DONE）
- update 2018.06.06：手稿 36~39 章已出（DONE）
- update 2018.06.13：手稿 40~43 章已出（DONE）
- update 2018.06.20：手稿 44~46 章已出（DONE）
- update 2018.06.27：手稿 47~49 章已出（DONE）
- update 2018.07.04：手稿 50~52 章已出（DONE）
- update 2018.09.29：手稿 53~58 章已出（DONE）
业余时间翻译，水平有限，如有不妥或错误之处，欢迎不吝赐教。
目的
这本书的目的是教你如何做组织一个机器学习项目所需的大量的决定。 你将学习：
- 如何建立你的开发和测试集
- 基本错误分析
- 如何使用偏差和方差来决定该做什么
- 学习曲线
- 将学习算法与人类水平的表现进行比较
- 调试推理算法
- 什么时候应该和不应该使用端到端的深度学习
- 按步进行错误分析
翻译章节
共58个章，分10小节：
- Setting up development and test sets
- Basic Error Analysis
- Bias and Variance
- Learning curves
- Comparing to human-level performance
- Training and testing on different distributions
- Debugging inference algorithms
- End-to-end deep learning
- Error analysis by parts
- Conclusion
翻译内容移步gitbooks：Machine Learning Yearning
英文原文
详见 draft 目录：
01-14章：Ng_MLY01-01-14.pdf
15-19章：Ng_MLY02-15-19.pdf
20-22章：Ng_MLY03-20-22.pdf
23-27章：Ng_MLY04-23-27.pdf
28-30章：Ng_MLY05-28-30.pdf
31-32章：Ng_MLY06-31-32.pdf
33-35章：Ng_MLY07-33-35.pdf
36-39章：Ng_MLY08-36-39.pdf
40-43章：Ng_MLY09-40-43.pdf
44-46章：NG_MLY10-44-46.pdf
47-49章：NG_MLY11-47-49.pdf
50-52章：Ng_MLY12-50-52.pdf
53-58章：Ng_MLY13-53-58.pdf