duanxin6868 Goto Github PK

100-days-of-ml-code

100-Days-Of-ML-Code中文版

100-days-of-ml-code-1

100 Days of ML Coding

ailearning

AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP

deeplearning-500-questions

深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为17个章节，20多万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系[email protected] 版权所有，违权必究 Tan 2018.06

eat_tensorflow2_in_30_days

Tensorflow2.0 🍎🍊 is delicious, just eat it! 😋😋

feeluown

trying to be a robust, user-friendly and hackable music player

fluentui

FluentUI for QML

google-access-helper

谷歌访问助手破解版

google-machine-learning-crash-course

谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题 （内功）。该资源适用于机器学习、深度学习以及TensorFlow研究人员参考！

iceplayer

A Nice Music Player by Qt5 and C++

iperf

iperf3: A TCP, UDP, and SCTP network bandwidth measurement tool

leeml-notes

李宏毅《机器学习》笔记，在线阅读地址：https://datawhalechina.github.io/leeml-notes

machine-learning

machine-learning-learning-notes

周志华《机器学习》又称西瓜书是一本较为全面的书籍，书中详细介绍了机器学习领域不同类型的算法(例如：监督学习、无监督学习、半监督学习、强化学习、集成降维、特征选择等)，记录了本人在学习过程中的理解思路与扩展知识点，希望对新人阅读西瓜书有所帮助！

numpy-ml

Machine learning, in numpy

opencv-computer-vision-practice-python-

Opencv 计算机视觉实战

practicalai

📚 A practical approach to learning and using machine learning.

prml

Pattern recognition and machine learning toolbox

pumpkin-book

《机器学习》（西瓜书）公式推导解析，在线阅读地址：https://datawhalechina.github.io/pumpkin-book

pyqt

PyQt Examples（PyQt各种测试和例子） PyQt4 PyQt5

pyqt5-chinese-tutorial

PyQt5中文教程

python

All Algorithms implemented in Python

python-100-days

Python - 100天从新手到大师

pytorch_tutorial

《Pytorch模型训练实用教程》中配套代码

pytorchdocs

PyTorch 官方中文教程包含 60 分钟快速入门教程，强化教程，计算机视觉，自然语言处理，生成对抗网络，强化学习。欢迎 Star，Fork！

qsanguosha

An open source online version of the famous board game Sanguosha

qt-material-widgets

:art: Qt widgets-based implementation of the Material Design specification.

qwidgetdemo

Qt编写的一些开源的demo，预计会有100多个，一直持续更新完善，代码简洁易懂注释详细，每个都是独立项目，非常适合初学者，代码随意传播使用，拒绝打赏和捐赠，欢迎留言评论！公众号：Qt教程

tensorflow-course

Simple and ready-to-use tutorials for TensorFlow