我的CS学士学位-全栈ML工程（2020） 作为一名具有物理学背景的机器学习软件工程师，我感到缺少CS学位一直是我长期成长的限制因素。 为了直接解决该问题，我使用自己在网上找到的最佳资源为自己设计了本课程，重点是CS基础知识以及全栈开发，深度学习和自然语言处理。 有常识课程和项目课程。 普通知识课程用于将大脑中的知识编入有组织的系统中。 遇到新问题时，至少您知道要查找什么相关信息。 项目课程是真正的学习过程。 边做边学是唯一的学习方法。 如果您对创建此课程的哲学感兴趣，我写了一篇有关它

不断更新。 订阅不要错过任何内容。 对于机器学习算法，请检查存储库。 对于深度学习算法，请检查存储库。 对于计算机视觉，请检查存储库。 :graduation_cap: 课程 现代NLP技术，从递归神经网络和词嵌入到变形器和自我注意。 涵盖了应用主题，例如问题解答和文本生成。 Coursera： 图书 （自然语言处理） ，Steven Bird，Ewan Klein和Edward Loper ，Dan Jurafsky和James H. Martin YouTube Ten

自然语言处理课程资源 该github包含高等经济学院自然语言处理课程的实际作业： : 。 在本课程中，您将学习如何使用经典和深度学习方法解决常见的NLP问题。 从实际的角度来看，我们希望您熟悉Python，因为我们将在课程中的所有作业中使用它。 其中两个任务还将涉及TensorFlow。 您将使用许多其他库，包括NLTK，Scikit-learn和Gensim。 您有几种设置方法。 1.在Google Colab上运行 Google已经发布了自己的Jupyter风格，称为Colab，它具有

Coursera深度学习教程中文笔记 课程概述 这些课程专为已有一定基础（基本的编程知识，熟悉Python ，对机器学习有基本了解），想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门的技能之一，本课程将帮你掌握深度学习。” 在这5堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。深度学习专业对卷积神经网络（ CNN ），递归归神经网络（ RNN ），长短期记忆（ LSTM ）等深度学习