搜索资源列表
chess_Sharp
- python实现的井字棋，适合于人工智能基础的学习-python for chess "#"
python_Learning
- python练习代码，人工智能学习基础,有利于掌握基础知识，巩固基础技能- Python practice code, artificial intelligence learning foundation
python_beginner_tutorial
- python的入门书籍，pdf版完整版。英文版 适合与想要学习python的编程基础薄弱者(Python entry books, PDF version of the full version)
TensorFlow教程
- Tensorflow编程教程，深度学习技术基础(Tensorflow programming tutorial)
Machine Learning in Python(2015)
- 机器学习Python教程，见解精髓，适合入门和进阶用，需要较好的编程和数学基础(Machine Learning in Python(2015))
python基础+核心
- PYTHON开发，Python基础和核心资料(PYTHON development, Python foundation and core information)
Python数据挖掘入门与实践 .pdf
- python数据挖掘入门书籍，使用与有python基础的编程人员(Python data mining introductory books)
Python Deep Learning - Valentino Zocca
- 能够为我们的学习打下很好的基础，有利于我们学习深度学习(We can lay a good foundation for our study and help us to learn in depth.)
Python编程从入门到实践.pdf
- 学习python的最好实践资料，是学习各种神经网络学科的基础。(The best practice for learning python is the basis for learning various neural network disciplines.)
python
- python基础教程，python实战项目，非常适用的教程，适合初学者(Python basic tutorial, python combat project, very applicable tutorial, suitable for beginners.)
深度学习入门：基于Python的理论与实现.pdf+代码
- 本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。(This book is a true sen
Python神经网络编程.pdf+代码
- 本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。(This book begins with a brief introduction to the basi
ILearnMachineLearning.py-master
- 这个储存库是我的作品和与数据科学和机器学习相关的项目的集合。在我的脚本中，我主要使用python及其专用的库：pandas、numpy、scipy、sci kit learn、matplotlib、basemap plotly。我还用了一些d3进行数据可视化。我还尝试从sci kit学习库中定制算法实现(This repository is a collection of my works and projects related to Data Science and Machine Lear
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心
04.CNN处理CiFar
- 以python语言为基础，利用tensorflow机器学习架构，两层卷积神经网络实现，CiFar数据集图片分类功能。(Based on Python language, using tensorflow machine learning architecture, two-layer convolutional neural network, CiFar data set image classification function.)
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
深度（多层）极限学习机的python实现
- 深度极限学习机也叫多层极限学习机，ML-ELM。是黄广斌等人在极限学习机ELM基础上，将其拓展为深度学习的一种模式识别方法，原文文章：Representational learning with extreme learning machine for big data。(The deep extreme learning machine is also called the multi-layer extreme learning machine, ML-ELM. It is Huang Gu
Python机器学习基础教程(完整电子版)
- 本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。(This book is an introduction to machine learning, introduced in Python langua
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰
python基础入门代码
- 用于python初学者，python入门实践代码