Classes

搜索文档…
Classes
教学机器学习和深度学习的资源
 W＆B是学习和协作的绝佳工具。我们提供免费的学术帐户，并且我们已经收集了一些很好的资源来帮助您和您的学生浏览复杂的机器学习项目。
 特征
 学术团队
 开始一个学术团队账户让您的学生开始将结果提交到共享工作区。当您看到真实的、跟踪的结果以及学生用来生成模型的代码时，对项目进行评分变得容易。
 报告
 要求学生提交报告，以便您可以探索他们的结果，并将新项目与以前的基准进行比较。报告可以轻松描述中间结果和显示进度，并且所有图形都与真实模型结果相关，您也可以重新生成这些结果。查看示例报告→​
比赛项目
 在您的学术团队中创建一个项目，并让您的学生竞争以在共享任务上实现最佳准确率。这是比赛示例的屏幕截图。每行都是不同的实验，用户正在争夺最高精度。查看项目→​
Resources 资源资源
 脚本repository示例
我们建立了一组在不同框架下的深度学习项目的工作示例。
  查看GitHub存储库→​
 我们还创建了一些带有模型的托管笔记本，您的学生可以点击一下就免费开始训练。
​PyTorch 简介和屏幕截图
​Keras MNIST 示例
​TensorFlow 2 卷积神经网络
 讲解教程
卢卡斯（Lukas）和克里斯（Chris）建立了一个简短的教程项目库，并在每节课中加注。如有问题，请联系[email protected]。
 查看教程→​
 免费课程
这里有一些出色的视频，笔记和网络幻灯片。这些是对任何机器学习课程的重要补充。
1.​ 面向程序员的机器学习简介：很棒的fastai课程，包括视频，示例代码和一个充满活力的支持论坛
2. 全栈深度学习：这门很棒的课程由我们的朋友Josh Tobin教授，它将带您进入构建深度学习模型的更高专业水平
3. Stanford CS230深度学习：由Andrew Ng教授的这门很棒的Stanford课程的在线讲座和幻灯片。
4. 麻省理工学院深度学习入门：Alexander Amini和Ava Soleimany教授的无障碍入门
 幻灯片
1.​Troubleshooting Deep Neural Networks: Josh Tobin's excellent slide deck on debugging models 深度神经网络故障排除(Troubleshooting Deep Neural Networks)：Josh Tobin出色的关于调试模型的幻灯片
2.​ 序列到序列模型(Sequence to sequence models)：斯坦福大学计算语言学课的幻灯片
3. 转移和多任务学习(Transfer and multi-task learning)：来自伯克利的Sergey Levine
4. Transfomer模型(Transfomer models)：斯坦福大学的Richard Socher
主题
Seq2Seq
1.​seq2seq的Keras简介：来自Keras团队的快速介绍
2. 原始论文：Google的Ilya Sutskever及其同事
3. 伯克利幻灯片：编码器-解码器，seq2seq和机器翻译
自然语言处理示例
1.​OpenAI GPT-2: 用于生成逼真的文本的模型
2.​TalkToTransformer.com: 尝试GPT 2
3.​GLUE基准测试：用于训练和分析自然语言系统的资源
4.  SuperGLUE：更新和改进了GLUE基准测试的v2版本
5.   Livox：在另类通信应用程序中使用NLP
6. 实用的Twitter内容挖掘：有关在推特上使用NLP的医学期刊文章
7.   NLP的应用程序：Medium文章谈论10个有趣的应用程序
8.    Zero-shot transfer learning + LSTM：针对不爱说话的人士的翻译增强技术
 技术
​
如果您要教课程，我们很乐意为您提供支持。请通过[email protected]与我们联系。
最近更新 1yr ago
复制链接
内容