fengdu78/Coursera-ML-AndrewNg-Notes
吴恩达老师的机器学习课程个人笔记
해결하는 문제
이 프로젝트는 Andrew Ng의 고전적인 2014년 스탠포드 머신러닝 강의를 위해 커뮤니티에서 번역한 포괄적인 중국어 학습 자료를 제공합니다. 중국어를 사용하는 학생들의 언어 장벽을 해소하며, 복잡한 이론적 개념을 이해하기 쉬운 학습 모듈로 단순화한 구조화된 노트를 제공합니다.
작동 방식
이 저장소는 10주 과정의 커리큘럼을 구조화된 Markdown, HTML 및 Word 문서로 정리합니다. 여기에는 비디오 강의의 번역된 자막, 원본 강의 슬라이드 (PPT), 그리고 Python 코드 구현이 포함됩니다. 콘텐츠는 기본적인 선형 회귀와 신경망부터 이상 탐지 및 추천 시스템과 같은 고급 주제에 이르기까지 강의의 전체 범위를 다룹니다.
대상 독자
고품질의 중국어 리소스를 사용하여 머신러닝의 기초를 배우고자 하는 학생, 개발자 및 AI 애호가를 위한 것입니다. 비디오 강의와 함께 구조화된 노트를 읽으며 알고리즘과 수학적 기초에 대한 이해를 강화하려는 분들에게 이상적입니다.
주요 특징
- Markdown, HTML 및 Word 형식으로 제공되는 10주 과정의 전체 커리큘럼 노트.
- 원본 강의 PPT 슬라이드와 중국어/영어 번역 자막 포함.
- 강의 연습 문제를 위한 Python 코드 구현 제공.
- 수식과 콘텐츠에 쉽게 접근할 수 있는 온라인 읽기 버전 제공.
- 활발한 커뮤니티와 전용 토론 그룹의 지원.
관련
- 프로젝트
huggingface/pytorch-image-modelstimm(PyTorch Image Models)은 수백 개의 사전 훈련된 비전 아키텍처(CNN, Vision Transformers, 하이브리드 등)를 제공하는 라이브러리로, 훈련 스크립트, 옵티마이저, 스케줄러, 데이터 유틸리티, 하이퍼파라미터 스윕 도구를 포함하며, 모두 PyTorch 위에 구축되어 쉽게 실험하고 배포할 수 있습니다.
- 프로젝트
jax-ml/jaxJAX는 고성능, 가속기 인식 수치 계산을 위한 Python 라이브러리입니다. NumPy 코드에 자동 미분(`grad`), JIT 컴파일(`jit`), 자동 벡터화(`vmap`)와 같은 합성 가능한 변환을 추가하고, 여러 GPU/TPU로 확장하기 위한 병렬 실행 API를 제공합니다. pip로 설치할 수 있으며(CPU, CUDA, TPU, ROCm 등), 연구에 사용할 경우 프로젝트를 인용하세요.
- 프로젝트
hpcaitech/ColossalAIColossal-AI는 고급 병렬 컴퓨팅 기술을 통해 대규모 AI 모델의 훈련과 실행을 더 저렴하고 빠르게 만드는 오픈소스 시스템으로, LLaMA, GPT, Stable Diffusion과 같은 모델을 여러 GPU에서 지원합니다.
- 프로젝트
deepspeedai/DeepSpeedDeepSpeed는 PyTorch 기반 오픈소스 라이브러리로, 메모리 효율적인 옵티마이저, 다차원 병렬 처리, 하드웨어 오프로드 엔진을 제공하여 GPU, CPU 및 특수 가속기에서 매우 큰 딥러닝 모델(최대 수천억 개의 파라미터)을 학습할 수 있게 합니다.