袁莉子发布人：奥飞斯量子位报告公众号QbitAI
GitHub 最近发布了一个名为PracticalAI 的深度学习实践教程，该教程在PyTorch 的官方Twitter 帐户上得到了推荐，并获得了超过2,600 颗星。
可从零开始
这个项目是由一位印度青少年创建的，基于PyTorch。这位年轻人带领他热衷于学习机器学习的朋友们，从初学者到经验丰富的司机，走上了一条进步的道路。
初学者可以从基础知识开始，包括有关如何使用Notebook 和NumPy 等关键Python 库以及线性编程和随机森林的分步教程。
但即使您不是一个完全的初学者，您也可以学习如何构建高级RNN 或强大的GAN，而无需离开这里。毕竟，这是一个动手项目。
可以使用Google Colab 或Jupyter Notebook 运行。
内容友好，持续更新
PracticalAI的内容分为四个部分并持续更新。
基础知识、深度学习和应用示例。这不是直译。
基础背景包括Python指南、如何使用notebook、如何使用Numpy和Pandas等库，以及线性编程、逻辑编程、随机森林、K-means聚类等基础知识，包括高级机器学习技术。
有了这些，你就可以进入深度学习的世界了。
深度学习简介，包括PyTorch、多层感知器(MLP)、数据和模型、面向对象机器学习、卷积神经网络(CNN)、嵌入和循环神经网络(RNN) 指南。
高级深度学习包括更高级的RNN、自动编码器、生成对抗网络(GAN)、空间变换网络等。
最后是应用程序。计算机视觉是一个重要方向。此外，您还可以运行时间序列分析、产品推荐系统、预训练语言模型、多任务学习和强化学习等示例。您还可以修改示例以创建您自己的应用程序。
细心的朋友可能已经注意到，表中有些主题没有链接。该少年表示这些部分将很快更新。
另外，桌子上还有未填的方格，男孩欢迎大家贡献力量。
食用说明，无微不至
印度男孩在自我介绍中用三点解释了他的项目：
首先，您可以使用PyTorch 来实现基本的机器学习算法和神经网络。
其次，Google Colab 允许您直接在网页上执行所有操作，无需任何配置（您也可以使用Jupyter 执行此操作）。
第三，您将学习面向对象的机器学习，它与实际应用程序密切相关，而不仅仅是入门教程。
那么我该如何开始呢？笔记本开始运行。
（此步骤主要是为Colab 编写的；Jupyter 用户可以忽略它。）
第一步是导航到项目中的笔记本目录。第二步是使用Google Colab 运行这些笔记本。或者您可以直接在本地运行。第三步，单击笔记本并将以下段落插入到URL 中。
将https://github.com/替换为以下段落：
https://colab.research.google.com/github/或者使用Open In Colab Chrome 扩展程序一键解决您的问题。第四步是登录您的Google帐户。步骤5：单击工具栏上的“复制到驱动器”按钮，在新选项卡中打开笔记本。
第六步是重命名新笔记本，并从名称中删除“复制”。第七步，运行代码，修改代码，并释放。所有更改都会自动保存到Google 云端硬盘。
（如果您没有梯子，请不要使用Colab。）
我不会编写有关我们的狂热观众如何为该项目做出贡献的详细说明（请访问项目页面）。
现在就开始学习吧。否则，当内容更新时，您将不得不了解更多信息。
项目门户：
https://github.com/GokuMohandas/practicalAI/
- 就这样-
诚信招聘
量子比特现招聘一名编辑/记者，驻地北京中关村。我们正在寻找有才华和热情的学生加入我们！详情请在量子位公众号（QbitAI）对话界面回复“招聘”。
量子位QbitAI·今日头条署名作者
追踪AI技术和产品新进展
版权声明：本文由今日头条转载，如有侵犯您的版权，请联系本站编辑删除。