是否想知道像 OpenAI ChatgPT、 GPT-4、 DALL-E、 Midjourney 和 Snable Difulation等AI 技术是如何真正奏效的? 在这个过程中,你会学到这些突破性应用的基础。 欢迎!
这是深层学习、机器学习和数据科学前提:皮顿的纽菲堆。
问题或我所关心的一个问题, 我得到很多的问题是人们想学习深深的学习和数据科学, 所以他们选择了这些课程, 但是他们被留在后边,因为他们对纽菲堆藏的知识不够了解,
即便我写了全部代码,如果你不认识纽菲的话,那它仍然很难读懂。
课程旨在消除这个障碍, 以展示如何在纽菲堆中做深层学习和数据科学经常需要的事情。那是什么?纽菲。
这是所有其他事物的基础。 Numpy 的中心对象是 Numpe 阵列, 您可以在它上进行各种操作 。
关键在于, Numpy 数组不只是您在 Java 或 C++ 等语言中看到的常规数组, 而是像矢量或矩阵一样的数学对象。
这意味着您可以做矢量和矩阵操作, 如添加、减法和乘法。 纽菲阵列最重要的方面是它们能以最优化的速度进行 。
使用Numpy传媒操作比使用 Python 列表要快。
然后我们再看看一些更复杂的矩阵操作,比如产品、反向、决定因素和解决线性系统。 熊猫。
熊猫之所以伟大,是因为它做很多事情 在兜帽下, 这让你的生活更容易 因为你就不需要手工编码了。
熊猫与数据集的合作非常像R, 如果你熟悉 R。 R和Panda的中心对象是DataFrame。我们会看看用Pandas对等方式装入数据集有多容易。
然后我们再看看一些对机器学习有用的数据框架操作,比如用柱子过滤、用行过滤和应用程序功能。
熊猫数据框架会提醒您 SQL 表格, 所以如果您有 SQl 背景, 您喜欢与表格合作, 那么熊猫将是下一步学习的最好办法。
熊猫教我们如何装入数据,下一步将研究这些数据。 为此我们将使用Matplotlib。 在这一部分中,我们会查看一些共同的地块,即线条图、散射图和直方图。
使用Matplotlib来显示图像。 99%的时间,你将使用上述图案的某种形式。 Scipy. 我喜欢把Scipy当作一个纽菲的附加图书馆。
纽菲提供了基本的组成部分,如病媒、矩阵和操作,斯皮则利用这些一般组成部分来做具体的事情。
例如,Scipy可以进行许多共同统计计算,包括获得PDF值、CDF值,从分布中取样和统计测试。
它拥有信号处理工具,可以做诸如变迁和Fourier变换之类的事情。
简而言之:如果你已经深深学习或机器学习课程, 你理解理论, 你可以看得到代码, 但你不能把如何将这些算法变成实际运行联系起来
代码,这是给你的。 “如果你不能执行它,你不明白” 或者伟大的物理学家理查德·费曼说:“我不能创造的东西,我不懂。”
我的课程是你们唯一能学习 如何从零开始应用机器学习算法的课程 其他课程将教你怎么把数据输入图书馆
代码线?在对10个数据集做了同样的事情之后, 你意识到你没有学到10件事。你学会了1件东西, 只是重复了同样的3行代码10次…
推荐的前提:矩阵算术概率 Python 编码: 如果/else、循环、列表、 编辑器、 设置您应该已经知道“ 为什么” 的事情, 比如点产品、 矩阵反演和高斯概率分布
是否有用,它们能用来做什么?我该拿你的课目去做什么?