[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ben1234560--AiLearning-Theory-Applying":3,"tool-ben1234560--AiLearning-Theory-Applying":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",144730,2,"2026-04-07T23:26:32",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":76,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":100,"env_os":101,"env_gpu":102,"env_ram":102,"env_deps":103,"category_tags":106,"github_topics":107,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":116,"updated_at":117,"faqs":118,"releases":119},5499,"ben1234560\u002FAiLearning-Theory-Applying","AiLearning-Theory-Applying","快速上手AI理论及应用实战：基础知识、Transformer、NLP、ML、DL、竞赛。含大量注释及数据集，力求每一位能看懂并复现。","AiLearning-Theory-Applying 是一个专为人工智能初学者和实战爱好者打造的开源学习项目。它致力于解决 AI 领域理论深奥、代码难复现的痛点，通过“理论讲解 + 代码实战”的模式，帮助用户从零开始系统掌握人工智能核心技能。\n\n该项目内容覆盖全面，从必备的高等数学、线性代数、概率论基础，到机器学习、深度学习、自然语言处理（NLP）及大模型（LLM）前沿技术，均有详细章节。其最大亮点在于对复杂算法的通俗化解读，特别是“人人都能看懂的 Transformer\"系列，将晦涩的架构原理拆解得清晰易懂。此外，项目包含大量带有详尽注释的代码笔记和配套数据集，确保每一位用户不仅能读懂原理，还能亲手复现模型，甚至参与相关竞赛。\n\n无论是希望转行 AI 的开发者、需要夯实理论基础的研究人员，还是对大模型技术充满好奇的学生，都能在这里找到适合的学习路径。AiLearning-Theory-Applying 摒弃了枯燥的公式堆砌，以友好、实用的方式陪伴你跨越从理论到应用的鸿沟，是进入人工智能世界的理想起点。","# AiLearning-Theory-Applying\n\n快速上手Ai理论及应用实战：基础知识Basic knowledge、机器学习MachineLearning、深度学习DeepLearning2、自然语言处理BERT，持续更新中。含大量注释及数据集，力求每一位能看懂并复现。\n\n\n\n## 学习章节：\n\n\u003Cul>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md'>必备数学基础Basic knowledge\u003C\u002Fa>\n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E9%AB%98%E7%AD%89%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80'>高等数学基础\u003C\u002Fa>\n            \u003C\u002Fli>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E5%BE%AE%E7%A7%AF%E5%88%86'>微积分\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%B3%B0%E5%8B%92%E5%85%AC%E5%BC%8F'>泰勒公式\u003C\u002Fa>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%E5%9F%BA%E7%A1%80'>线性代数基础\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F'>随机变量\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%A6%82%E7%8E%87%E8%AE%BA%E5%9F%BA%E7%A1%80'>概率论基础\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%9A%84%E5%87%A0%E7%A7%8D%E5%88%86%E5%B8%83'>数据科学的几种分布\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%A0%B8%E5%87%BD%E6%95%B0'>核函数\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E7%86%B5%E5%92%8C%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0'>熵和激活函数\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90'>回归分析\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C%E7%AB%A0%E8%8A%82'>假设检验\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82'>相关分析\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82'>方差分析\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#kmeans%E7%AE%97%E6%B3%95'>KMEANS算法\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E6%9E%90'>贝叶斯分析\u003C\u002Fa>\n        \u003C\u002Ful>\n\t\t\u003Cli>\u003Cspan>大模型Large Language Model\u003C\u002Fspan>\n    \u003Cul>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer'>人人都能看懂的Transformer\u003C\u002Fa> \n        \u003Cul>\n               \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94Transformer%E7%BD%91%E7%BB%9C%E6%9E%B6%E6%9E%84.md'>第一章——Transformer网络架构\u003C\u002Fa>\u003C\u002Fli>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94%E6%96%87%E5%AD%97%E5%90%91%E9%87%8F%E5%8C%96.md'>第二章——文字向量化\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E4%BD%8D%E7%BD%AE%E7%BC%96%E7%A0%81.md'>第三章——位置编码\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%9B%9B%E7%AB%A0%E2%80%94%E2%80%94%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E2%80%94%E2%80%94QK%E7%9F%A9%E9%98%B5%E7%9B%B8%E4%B9%98.md'>第四章——多头注意力机制——QK矩阵相乘\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%BA%94%E7%AB%A0%E2%80%94%E2%80%94%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E2%80%94%E2%80%94%E5%85%A8%E6%B5%81%E7%A8%8B.md'>第五章——多头注意力机制——全流程\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%85%AD%E7%AB%A0%E2%80%94%E2%80%94%E6%95%B0%E5%80%BC%E7%BC%A9%E6%94%BE.md'>第六章——数值缩放\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%83%E7%AB%A0%E2%80%94%E2%80%94%E5%89%8D%E9%A6%88%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md'>第七章——前馈神经网络\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%85%AB%E7%AB%A0%E2%80%94%E2%80%94%E6%9C%80%E5%90%8E%E7%9A%84%E8%BE%93%E5%87%BA.md'>第八章——最后的输出\u003C\u002Fa>\n      \u003C\u002Ful>\n      \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FLLM%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88'>LLM大模型竞赛实战_优胜解决方案\u003C\u002Fa>\n        \u003Cul>\n          \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FLLM%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F2024%E9%87%91%E8%9E%8D%E8%A1%8C%E4%B8%9A%C2%B7%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8C%91%E6%88%98%E8%B5%9B'>2024金融行业·大模型挑战赛\u003C\u002Fa>\n        \u003C\u002Ful>\n\t\t\u003C\u002Ful>\n\t\t\u003Cli>\u003Cspan>机器学习MachineLearning\u003C\u002Fspan>\n    \u003Cul>\n     \u003Cli>\u003Ca href=''>机器学习竞赛实战_优胜解决方案\u003C\u002Fa>\n      \u003Cul>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E4%BF%A1%E7%94%A8%E5%8D%A1%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B'>信用卡欺诈检测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%B7%A5%E4%B8%9A%E5%8C%96%E5%B7%A5%E7%94%9F%E4%BA%A7%E9%A2%84%E6%B5%8B'>工业化工生产预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E6%99%BA%E6%85%A7%E5%9F%8E%E5%B8%82-%E9%81%93%E8%B7%AF%E9%80%9A%E8%A1%8C%E6%97%B6%E9%97%B4%E9%A2%84%E6%B5%8B'>智慧城市-道路通行时间预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%BB%BA%E7%AD%91%E8%83%BD%E6%BA%90%E5%88%A9%E7%94%A8%E7%8E%87%E9%A2%84%E6%B5%8B'>建筑能源利用率预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002FIndoor%20Location%20%26%20Navigation'>Indoor Location & Navigation（数据集在kaggle）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E7%AC%AC%E4%B8%89%E5%B1%8A%E9%98%BF%E9%87%8C%E4%BA%91%E7%A3%90%E4%B9%85%E6%99%BA%E7%BB%B4%E7%AE%97%E6%B3%95%E5%A4%A7%E8%B5%9B'>第三届阿里云磐久智维算法大赛（数据集在天池）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98%E5%B0%8F%E9%A1%B9%E7%9B%AE'>机器学习实战小项目（含数据集）\u003C\u002Fa>\n      \u003C\u002Ful>\n     \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC'>机器学习算法原理及推导\u003C\u002Fa>\n          \u003Cul>\n              \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC\u002F%E6%9D%8E%E8%88%AA%E2%80%94%E2%80%94%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95'>李航——统计学习方法\u003C\u002Fa>\n              \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC\u002F%E6%9D%8E%E5%AE%8F%E6%AF%85%E2%80%94%E2%80%94%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B'>李宏毅——异常检测\u003C\u002Fa>\n          \u003C\u002Ful>\n     \u003C\u002Ful>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8'>深度学习入门DeepLearning\u003C\u002Fa> \n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BF%85%E5%A4%87%E7%9F%A5%E8%AF%86%E7%82%B9.md'>深度学习必备知识点\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94%E8%B5%B0%E8%BF%9B%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E4%B8%96%E7%95%8C%20%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%A8%A1%E5%9E%8B.md'>走进深度学习的世界 神经网络模型\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md'>卷积神经网络\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E5%9B%9B%E7%AB%A0%E2%80%94%E2%80%94%E9%80%92%E5%BD%92%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%8E%E8%AF%8D%E5%90%91%E9%87%8F%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB.md'>递归神经网络与词向量原理解读\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%BA%94%E7%AB%A0%E2%80%94%E2%80%94LSTM%E7%BD%91%E7%BB%9C%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90%E5%BA%94%E7%94%A8%E5%AE%9E%E4%BE%8B'>LSTM网络架构与情感分析应用实例\u003C\u002Fa>\n\t\t\u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%BF%AB%E6%89%8B%E7%9F%AD%E8%A7%86%E9%A2%91%E7%94%A8%E6%88%B7%E6%B4%BB%E8%B7%83%E5%BA%A6%E5%88%86%E6%9E%90'>快手用户活跃预测（含数据集）\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002FACM%20SIGSPATIAL%202021%20GISCUP'>ACM SIGSPATIAL 2021预估到达时间（含数据集）\u003C\u002Fa>\n        \u003C\u002Ful>\n\u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98'>NLP通用框架BERT项目实战\u003C\u002Fa>\n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94NLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB.md'>NLP通用框架BERT原理解读\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94BERT%E6%BA%90%E7%A0%81%E8%A7%A3%E8%AF%BB%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E4%BE%8B'>BERT源码解读与应用实例\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E5%9F%BA%E4%BA%8EBERT%E7%9A%84%E4%B8%AD%E6%96%87%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90%E5%AE%9E%E6%88%98.md'>基于BERT的中文情感分析实战.md\u003C\u002Fa>\n        \u003C\u002Ful> \n\n\n## 关于博主\n\n获得过第二届腾讯 Light 公益挑战赛**大满贯**、第三届磐久智维算法大赛**亚军**以及各种比赛前10，也是一个kaggle-master。希望内容能帮到大家，祝大家玩的开心🎉\n\n\n\n## 说明\n\n\u003Cp> 本专题并不用于商业用途，转载请注明本专题地址，如有侵权，请务必邮件通知作者。\n\u003Cp> 如有文字、代码等遗漏或错误的地方，望不吝赐教，万分感谢。\n\u003Cp> Email：909336740@qq.com\n\n\n## License\n\n本文使用的许可见 [LICENSE](https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FLICENSE)\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n","# 人工智能学习-理论-应用\n\n快速上手人工智能理论及应用实战：基础知识、机器学习、深度学习2、自然语言处理BERT，持续更新中。含大量注释及数据集，力求每一位能看懂并复现。\n\n\n\n## 学习章节：\n\n\u003Cul>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md'>必备数学基础Basic knowledge\u003C\u002Fa>\n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E9%AB%98%E7%AD%89%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80'>高等数学基础\u003C\u002Fa>\n            \u003C\u002Fli>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E5%BE%AE%E7%A7%AF%E5%88%86'>微积分\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%B3%B0%E5%8B%92%E5%85%AC%E5%BC%8F'>泰勒公式\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%E5%9F%BA%E7%A1%80'>线性代数基础\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F'>随机变量\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%A6%82%E7%8E%87%E8%AE%BA%E5%9F%BA%E7%A1%80'>概率论基础\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%9A%84%E5%87%A0%E7%A7%8D%E5%88%86%E5%B8%83'>数据科学的几种分布\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E6%A0%B8%E5%87%BD%E6%95%B0'>核函数\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E7%86%B5%E5%92%8C%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0'>熵和激活函数\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90'>回归分析\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C%E7%AB%A0%E8%8A%82'>假设检验\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82'>相关分析\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002Fnotebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80\u002F%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82'>方差分析\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#kmeans%E7%AE%97%E6%B3%95'>KMEANS算法\u003C\u002Fa>\n                    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80.md#%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E6%9E%90'>贝叶斯分析\u003C\u002Fa>\n                \u003C\u002Ful>\n\t\t\u003Cli>\u003Cspan>大模型Large Language Model\u003C\u002Fspan>\n    \u003Cul>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer'>人人都能看懂的Transformer\u003C\u002Fa> \n        \u003Cul>\n               \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94Transformer%E7%BD%91%E7%BB%9C%E6%9E%B6%E6%9E%84.md'>第一章——Transformer网络架构\u003C\u002Fa>\u003C\u002Fli>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94%E6%96%87%E5%AD%97%E5%90%91%E9%87%8F%E5%8C%96.md'>第二章——文字向量化\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E4%BD%8D%E7%BD%91%E7%BC%96%E7%A0%81.md'>第三章——位置编码\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%9B%94%E7%AB%A0%E2%80%94%E2%80%94%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E2%80%94%E2%80%94QK%E7%9F%A9%E9%98%B5%E7%9B%B8%E4%B9%98.md'>第四章——多头注意力机制——QK矩阵相乘\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%85%AB%E7%AB%A0%E2%80%94%E2%80%94%E6%95%B0%E5%80%BC%E7%BC%A9%E6%94%BE.md'>第六章——数值缩放\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E4%B8%83%E7%AB%A0%E2%80%94%E2%80%94%E5%89%8D%E9%A6%88%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md'>第七章——前馈神经网络\u003C\u002Fa>\n                \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E4%BA%BA%E4%BA%BA%E9%83%BD%E8%83%BD%E7%9C%8B%E6%87%82%E7%9A%84Transformer\u002F%E7%AC%AC%E5%85%AB%E7%AB%A0%E2%80%94%E2%80%94%E6%9C%80%E5%90%8E%E7%9A%84%E8%BE%93%E5%87%BA.md'>第八章——最后的输出\u003C\u002Fa>\n      \u003C\u002Ful>\n      \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FLLM%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88'>LLM大模型竞赛实战_优胜解决方案\u003C\u002Fa>\n        \u003Cul>\n          \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FLLM%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F2024%E9%87%91%E8%9E%8D%E8%A1%8C%E4%B8%9A%C2%B7%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8C%91%E6%88%98%E8%B5%9B'>2024金融行业·大模型挑战赛\u003C\u002Fa>\n        \u003C\u002Ful>\n\t\t\u003C\u002Ful>\n\t\t\u003Cli>\u003Cspan>机器学习MachineLearning\u003C\u002Fspan>\n    \u003Cul>\n     \u003Cli>\u003Ca href=''>机器学习竞赛实战_优胜解决方案\u003C\u002Fa>\n      \u003Cul>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E4%BF%A1%E7%94%A8%E5%8D%A1%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B'>信用卡欺诈检测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%B7%A5%E4%B8%9A%E5%8C%96%E5%B7%A5%E7%94%9F%E4%BA%A7%E9%A2%84%E6%B5%8B'>工业化工生产预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E6%99%BA%E6%85%A7%E5%9F%8E%E5%B8%82-%E9%81%93%E8%B7%AF%E9%80%9A%E8%A1%8C%E6%97%B4%E9%97%B4%E9%A2%84%E6%B5%8B'>智慧城市-道路通行时间预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%BB%BA%E7%AD%91%E8%83%BD%E6%BA%90%E5%88%A9%E7%94%A8%E7%8E%87%E9%A2%84%E6%B5%8B'>建筑能源利用率预测（含数据集）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002FIndoor%20Location%20%26%20Navigation'>Indoor Location & Navigation（数据集在kaggle）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E7%AC%AC%E4%B8%89%E5%B1%8A%E9%98%BF%E9%87%8C%E4%BA%91%E7%A3%90%E4%B9%85%E6%99%BA%E7%BB%B4%E7%AE%97%E6%B3%95%E5%A4%A7%E8%B5%9B'>第三届阿里云磐久智维算法大赛（数据集在天池）\u003C\u002Fa>\n        \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98%E5%B0%8F%E9%A1%B9%E7%9B%AE'>机器学习实战小项目（含数据集）\u003C\u002Fa>\n      \u003C\u002Ful>\n     \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC'>机器学习算法原理及推导\u003C\u002Fa>\n          \u003Cul>\n              \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC\u002F%E6%9D%8E%E8%88%AA%E2%80%94%E2%80%94%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95'>李航——统计学习方法\u003C\u002Fa>\n              \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%8F%8A%E6%8E%A8%E5%AF%BC\u002F%E6%9D%8E%E5%AE%8F%E6%AF%85%E2%80%94%E2%80%94%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B'>李宏毅——异常检测\u003C\u002Fa>\n          \u003C\u002Ful>\n     \u003C\u002Ful>\n    \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8'>深度学习入门DeepLearning\u003C\u002Fa> \n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BF%85%E5%A4%87%E7%9F%A5%E8%AF%86%E7%82%B9.md'>深度学习必备知识点\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94%E8%B5%B0%E8%BF%9B%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E4%B8%96%E7%95%8C%20%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%A8%A1%E5%9E%8B.md'>走进深度学习的世界 神经网络模型\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.md'>卷积神经网络\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%E7%AC%AC%E5%9B%94%E7%AB%A0%E2%80%94%E2%80%94%E9%80%92%E5%BD%92%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%8E%E8%AF%8D%E5%90%91%E9%87%8F%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB.md'>递归神经网络与词向量原理解读\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8\u002F%%E7%AC%AC%E4%BA%94%E7%AB%A0%E2%80%94%E2%80%94LSTM%E7%BD%91%E7%BB%9C%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90%E5%BA%94%E7%94%A8%E5%AE%9E%E4%BE%8B'>LSTM网络架构与情感分析应用实例\u003C\u002Fa>\n\t\t\u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002F%E5%BF%AB%E6%89%8B%E7%9F%AD%E8%A7%86%E9%A2%91%E7%94%A8%E6%88%B7%E6%B4%BB%E8%B7%83%E5%BA%A6%E5%88%86%E6%9E%90'>快手用户活跃预测（含数据集）\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88\u002FACM%20SIGSPATIAL%202021%20GISCUP'>ACM SIGSPATIAL 2021预估到达时间（含数据集）\u003C\u002Fa>\n        \u003C\u002Ful>\n\u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98'>NLP通用框架BERT项目实战\u003C\u002Fa>\n        \u003Cul>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%E7%AC%AC%E4%B8%80%E7%AB%A0%E2%80%94%E2%80%94NLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E5%8E%9F%E7%90%86%E8%A7%A3%E8%AF%BB.md'>NLP通用框架BERT原理解读\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Ftree\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%%E7%AC%AC%E4%BA%8C%E7%AB%A0%E2%80%94%E2%80%94BERT%E6%BA%90%E7%A0%81%E8%A7%A3%E8%AF%BB%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E4%BE%8B'>BERT源码解读与应用实例\u003C\u002Fa>\n            \u003Cli>\u003Ca href='https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FNLP%E9%80%9A%E7%94%A8%E6%A1%86%E6%9E%B6BERT%E9%A1%B9%E7%9B%AE%E5%AE%9E%E6%88%98\u002F%E7%AC%AC%E4%B8%89%E7%AB%A0%E2%80%94%E2%80%94%E5%9F%BA%E4%BA%8EBERT%E7%9A%84%E4%B8%AD%E6%96%87%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90%E5%AE%9E%E6%88%98.md'>基于BERT的中文情感分析实战.md\u003C\u002Fa>\n        \u003C\u002Ful>\n\n## 关于博主\n\n曾获得第二届腾讯 Light 公益挑战赛**大满贯**、第三届磐久智维算法大赛**亚军**，以及各类比赛的前10名，同时也是一名 Kaggle 大师。希望这里的内容能对大家有所帮助，祝大家学习愉快🎉\n\n\n\n## 说明\n\n\u003Cp> 本专题不用于商业用途，转载请注明出处，如有侵权请务必通过邮件联系作者。\n\u003Cp> 如果文中或代码中存在遗漏或错误之处，欢迎指正，非常感谢。\n\u003Cp> 邮箱：909336740@qq.com\n\n\n## 许可协议\n\n本文所使用的许可协议详见 [LICENSE](https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying\u002Fblob\u002Fmaster\u002FLICENSE)","# AiLearning-Theory-Applying 快速上手指南\n\n本指南旨在帮助开发者快速开始使用 **AiLearning-Theory-Applying** 项目，涵盖从数学基础到大模型（LLM）实战的全流程学习资源。本项目以“人人能看懂、可复现”为核心，提供大量注释代码及配套数据集。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux\n*   **Python 版本**：推荐 Python 3.8 或更高版本\n*   **核心依赖库**：\n    *   `numpy`, `pandas`, `matplotlib` (数据处理与可视化)\n    *   `scikit-learn` (机器学习算法)\n    *   `torch` 或 `tensorflow` (深度学习框架，根据具体章节需求选择)\n    *   `transformers` (大模型与 NLP 相关章节)\n*   **运行环境**：推荐使用 **Jupyter Notebook** 或 **Jupyter Lab** 运行 `.ipynb` 文件，以便交互式查看注释和结果。\n\n> **国内加速建议**：\n> 安装依赖时，建议使用清华源或阿里源以提升下载速度：\n> ```bash\n> pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 安装步骤\n\n本项目主要为学习资料与代码实现，无需复杂的编译安装，只需克隆仓库并安装依赖即可。\n\n1.  **克隆项目仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fben1234560\u002FAiLearning-Theory-Applying.git\n    cd AiLearning-Theory-Applying\n    ```\n\n2.  **安装基础依赖**\n    如果项目根目录包含 `requirements.txt`，请直接运行：\n    ```bash\n    pip install -r requirements.txt\n    ```\n    \n    若未找到统一依赖文件，可根据需要学习的章节手动安装核心库：\n    ```bash\n    # 基础数据科学与机器学习\n    pip install numpy pandas matplotlib scikit-learn jupyter\n\n    # 深度学习与大模型 (按需安装)\n    pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n    pip install transformers datasets\n    ```\n\n3.  **获取数据集**\n    部分章节（如信用卡欺诈检测、工业预测等）包含内置数据集，直接位于对应文件夹内。\n    *   对于标记为“数据集在 Kaggle\u002F天池”的项目，请访问对应链接下载数据，并放入该章节指定的目录中。\n\n## 基本使用\n\n本项目按模块组织，您可以根据学习目标直接进入对应文件夹运行笔记。\n\n### 1. 巩固数学基础\n进入 `notebook_必备数学基础` 目录，打开任意章节的 `.ipynb` 文件（如假设检验、回归分析），逐行运行代码以理解公式推导。\n\n```bash\ncd notebook_必备数学基础\u002F假设检验章节\njupyter notebook .\n```\n\n### 2. 机器学习实战\n以“信用卡欺诈检测”为例，进入对应目录并运行示例：\n\n```bash\ncd 机器学习竞赛实战_优胜解决方案\u002F信用卡欺诈检测\njupyter notebook *.ipynb\n```\n*在 Notebook 中，按照单元格顺序执行，即可看到数据预处理、模型训练及评估的全过程。*\n\n### 3. 大模型 (Transformer) 学习\n进入 `人人都能看懂的 Transformer` 目录，从第一章开始系统学习：\n\n```bash\ncd 人人都能看懂的 Transformer\njupyter notebook 第一章——Transformer 网络架构.md\n```\n*注：部分理论章节可能为 Markdown 格式，可直接在 GitHub 或本地编辑器阅读；涉及代码实现的章节请运行对应的 `.ipynb` 文件。*\n\n### 4. 深度学习入门\n进入 `深度学习入门` 目录，体验卷积神经网络 (CNN) 或 LSTM 情感分析实例：\n\n```bash\ncd 深度学习入门\n# 运行情感分析实例\njupyter notebook 第五章——LSTM 网络架构与情感分析应用实例\u002F*.ipynb\n```\n\n---\n**提示**：所有代码均包含详细中文注释，建议在运行过程中仔细阅读注释部分，以深入理解算法原理与应用细节。","某高校数据科学专业的研究生李明，正试图从零开始复现一篇基于 Transformer 架构的舆情分析论文，以完成他的毕业设计。\n\n### 没有 AiLearning-Theory-Applying 时\n- **数学门槛高不可攀**：面对论文中涉及的泰勒公式、核函数及熵等复杂数学概念，李明需要在多个学术网站间反复跳转查阅，难以建立直观理解，导致基础理论部分耗时数周仍云里雾里。\n- **代码复现无从下手**：网络上现有的 Transformer 教程多为碎片化片段或缺乏注释的“黑盒”代码，李明无法将理论与具体的 PyTorch\u002FTensorFlow 实现对应起来，调试模型时频频报错却不知缘由。\n- **学习路径混乱低效**：从线性代数到 NLP 实战缺乏系统性的衔接资料，李明在机器学习、深度学习与大模型技术栈之间迷失方向，常常陷入“懂了公式不会写代码，写了代码不懂原理”的死循环。\n\n### 使用 AiLearning-Theory-Applying 后\n- **理论难点逐一击破**：利用项目中“必备数学基础”章节，李明通过含大量注释的 Notebook 直接运行并可视化了微积分与概率论推导，迅速搞懂了激活函数与贝叶斯分析背后的数学逻辑。\n- **代码实战透明可溯**：借助“人人都能看懂的 Transformer\"系列教程，他直接复用带详细行级注释的完整源码，清晰看到了从数据预处理到注意力机制实现的每一步，半天内便跑通了基线模型。\n- **进阶路线清晰连贯**：遵循从基础数学到 ML\u002FDL，再到 BERT 和大模型的递进式章节安排，李明构建了完整的知识体系，不仅顺利复现了论文结果，还成功优化了模型参数以提升准确率。\n\nAiLearning-Theory-Applying 通过“理论推导 + 逐行注释代码 + 配套数据集”的一站式闭环，将原本需要数月摸索的 AI 入门之路缩短为几周的高效实战，让每一位学习者都能真正看懂并复现前沿算法。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fben1234560_AiLearning-Theory-Applying_e50f7d95.png","ben1234560","Xuewei Guo","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fben1234560_96533115.png","快速理解及上手实战，大模型\u002Fnlp、ml、dl，K8S。\r\n争取让大家能容易且快速的上手。\r\n\r\nEnjoy!",null,"guangzhou","https:\u002F\u002Fwww.kaggle.com\u002Fben1234560","https:\u002F\u002Fgithub.com\u002Fben1234560",[81,85,89,93],{"name":82,"color":83,"percentage":84},"Jupyter Notebook","#DA5B0B",98.5,{"name":86,"color":87,"percentage":88},"Python","#3572A5",1.5,{"name":90,"color":91,"percentage":92},"Dockerfile","#384d54",0,{"name":94,"color":95,"percentage":92},"Shell","#89e051",3482,479,"2026-04-07T13:29:30","MIT",1,"","未说明",{"notes":104,"python":102,"dependencies":105},"该项目主要为 AI 理论与应用实战的学习教程，涵盖数学基础、机器学习、深度学习（含 CNN、RNN、LSTM）、Transformer 架构及大模型竞赛案例。README 中未列出具体的运行环境配置、依赖库版本或硬件需求。项目包含大量注释代码及数据集链接（部分数据集需从 Kaggle 或天池下载），建议用户根据具体章节的代码实现（如 PyTorch 或 TensorFlow 版本）自行配置相应的深度学习环境。",[],[14,16,13,15,35],[108,109,110,111,112,113,114,115],"ai","nlp","dataming","bert","kaggle-competition","machine-learning","deep-learning","learning-by-doing","2026-03-27T02:49:30.150509","2026-04-08T19:21:05.122862",[],[]]