[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-wolfparticle--machineLearningDeepLearning":3,"tool-wolfparticle--machineLearningDeepLearning":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65628,"2026-04-05T10:10:46",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":80,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":80,"difficulty_score":10,"env_os":94,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":100,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":22,"created_at":101,"updated_at":102,"faqs":103,"releases":104},3495,"wolfparticle\u002FmachineLearningDeepLearning","machineLearningDeepLearning","李宏毅2021机器学习深度学习笔记PPT作业","machineLearningDeepLearning 是一个专为李宏毅教授 2021 年春季机器学习与深度学习课程打造的开源学习资源库。它系统性地整理了课程全套 PPT、作业代码、上课演示程序以及部分学习笔记，旨在帮助学习者降低入门门槛，解决自学过程中资料分散、代码复现困难等痛点。\n\n这套资源特别适合高校学生、AI 初学者以及希望夯实理论基础的开发者和研究人员使用。无论是想要跟随课程节奏完成练习，还是寻找特定算法的代码实现参考，都能在这里找到对应内容。其独特亮点在于提供了完整的作业代码框架（涵盖 TensorFlow 和 PyTorch 版本），并针对每章作业配备了详细的数据说明与运行指南，甚至包含了 Google Colab 的使用教程，极大地方便了环境配置与实验复现。此外，项目还维护了配套的课程视频链接与数据集下载通道，形成了一站式的学习闭环。对于渴望系统掌握机器学习核心概念并动手实践的用户而言，machineLearningDeepLearning 是一份不可多得的宝贵资料。","### 李宏毅老师2021年春季机器学习深度学习上线新课程，持续更新中\n\n\n\n> PPT，作业代码，学习笔记，上课代码，tensorflow|pytorch将会上传到github，欢迎Star，请多多鼓励。\n\n**如何下载本库内容**\n\n- 下载方式 1\n\n> git工具下载\n\n​\t\t\tgit clone https:\u002F\u002Fgithub.com\u002Fwolfparticle\u002FmachineLearningDeepLearning.git\n\n- 下载方式 2\n\n>  网页下载\t\t\n\n\u003Cimg src=\"https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210306075935050.png\" style=\"zoom:30%;\" \u002F>\n\n---\n\n### 更新记录\n#### \u003Cfont size=5>PPT部分\u003C\u002Ffont>  \t 路径：machineLearningDeepLearning\u002Fppt\n##### \u003Cfont size=3>该课程所有ppt已更新完毕\u003C\u002Ffont>\n---\n\n#### \u003Cfont size=5>Video部分 \u003C\u002Ffont>\n\n##### \u003Cfont size=3>课程视频已更新完毕\u003C\u002Ffont>\nhttps:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=52\n\n---\n\n#### \u003Cfont size=5>HomeWork部分\u003C\u002Ffont>  \t路径：machineLearningDeepLearning\u002Fhomework_code\n\n##### \u003Cfont size=3>课程介绍\u003C\u002Ffont>\n> ppt \n\n![](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210312112619587.png)\n\n\n\n##### \u003Cfont size=3>第一章\u003C\u002Ffont>\n\n![image-20210312113510346](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210312113510346.png)\n\n​\t\n\n>  google colab 使用录屏：https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=7\n\n> hw1的数据字段含义解释参考网址\n\nhttps:\u002F\u002Fcmu-delphi.github.io\u002Fdelphi-epidata\u002Fapi\u002Fcovidcast-signals\u002Ffb-survey.html#mental-health-indicators\n\nhttps:\u002F\u002Fdelphi.cmu.edu\u002Fcovidcast\u002Fsurvey-results\u002F?date=20210221\n\n更新了个人写的参考代码\n\n##### \u003Cfont size=3>第二章\u003C\u002Ffont>\n\n第二章参考代码已更新，解压之后直接运行run.py文件或者运行ipynb文件\n\n![image-20210315092433929](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210315092433929.png)\n\n##### \u003Cfont size=3>第三~十四章\u003C\u002Ffont>\n已更新代码和数据集\n\n---\n#### \u003Cfont size=5>Notes 部分 \u003C\u002Ffont> \t路径：machineLearningDeepLearning\u002FNotes\n\n\n\n##### \u003Cfont size=3>很抱歉，这部分个人还未更新\u003C\u002Ffont>\n\n\n\n---\n\n#### \u003Cfont size=5>Data 部分\u003C\u002Ffont>   \t路径：machineLearningDeepLearning\u002Fdata\n\n\n\n##### \u003Cfont size=3>所有作业数据在百度网盘\u003C\u002Ffont>\n\n数据集较大，百度网盘取\n\n> 链接：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1Zjwvv8JMmadPNYgTNN4LCw \n> 提取码：hw21 \n> 复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享\n\n##### \n---\n\n#### \u003Cfont size=5>ClassCode部分\u003C\u002Ffont>  \t路径：machineLearningDeepLearning\u002Fclass_code\n\n##### \u003Cfont size=3>抱歉，本人还未更新\u003C\u002Ffont>\n\n\n\n---\n\n### 学习小组\n\n> 微信打卡群，第一时间订阅更新，PPT，作业共享，学习笔记分享，加我微信时务必添加备注，备注格式为，昵称-学生-学校-研究方向 or 昵称-工作-公司-职位方向\n\n\u003Cimg src=\"https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210306072233264.png\" style=\"zoom:43%;\" \u002F>\n\n---\n\n### 下载同时请顺便点个Star\n\n![image-20210418222443314](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210418222443314.png)","### 李宏毅老师2021年春季机器学习与深度学习课程上线新内容，持续更新中\n\n\n\n> PPT、作业代码、学习笔记、上课代码、TensorFlow\u002FPyTorch相关资源都将上传至GitHub，欢迎大家点赞支持！\n\n**如何下载本库内容**\n\n- 下载方式 1\n\n> 使用Git工具下载\n\n​\t\t\tgit clone https:\u002F\u002Fgithub.com\u002Fwolfparticle\u002FmachineLearningDeepLearning.git\n\n- 下载方式 2\n\n> 通过网页下载\t\t\n\n\u003Cimg src=\"https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210306075935050.png\" style=\"zoom:30%;\" \u002F>\n\n---\n\n### 更新记录\n#### \u003Cfont size=5>PPT部分\u003C\u002Ffont>  \t 路径：machineLearningDeepLearning\u002Fppt\n##### \u003Cfont size=3>该课程所有PPT已更新完毕\u003C\u002Ffont>\n---\n\n#### \u003Cfont size=5>Video部分 \u003C\u002Ffont>\n\n##### \u003Cfont size=3>课程视频已更新完毕\u003C\u002Ffont>\nhttps:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=52\n\n---\n\n#### \u003Cfont size=5>HomeWork部分\u003C\u002Ffont>  \t路径：machineLearningDeepLearning\u002Fhomework_code\n\n##### \u003Cfont size=3>课程介绍\u003C\u002Ffont>\n> ppt \n\n![](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210312112619587.png)\n\n\n\n##### \u003Cfont size=3>第一章\u003C\u002Ffont>\n\n![image-20210312113510346](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210312113510346.png)\n\n​\t\n\n>  Google Colab使用录屏：https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=7\n\n> hw1的数据字段含义解释参考网址\n\nhttps:\u002F\u002Fcmu-delphi.github.io\u002Fdelphi-epidata\u002Fapi\u002Fcovidcast-signals\u002Ffb-survey.html#mental-health-indicators\n\nhttps:\u002F\u002Fdelphi.cmu.edu\u002Fcovidcast\u002Fsurvey-results\u002F?date=20210221\n\n更新了个人编写的参考代码\n\n##### \u003Cfont size=3>第二章\u003C\u002Ffont>\n\n第二章参考代码已更新，解压后直接运行run.py文件或ipynb文件。\n\n![image-20210315092433929](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210315092433929.png)\n\n##### \u003Cfont size=3>第三~十四章\u003C\u002Ffont>\n已更新代码和数据集。\n\n---\n#### \u003Cfont size=5>Notes 部分 \u003C\u002Ffont> \t路径：machineLearningDeepLearning\u002FNotes\n\n\n\n##### \u003Cfont size=3>很抱歉，这部分个人还未更新\u003C\u002Ffont>\n\n\n\n---\n\n#### \u003Cfont size=5>Data 部分\u003C\u002Ffont>   \t路径：machineLearningDeepLearning\u002Fdata\n\n\n\n##### \u003Cfont size=3>所有作业数据在百度网盘\u003C\u002Ffont>\n\n数据集较大，可通过百度网盘获取：\n\n> 链接：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1Zjwvv8JMmadPNYgTNN4LCw \n> 提取码：hw21 \n> 复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享\n\n##### \n---\n\n#### \u003Cfont size=5>ClassCode部分\u003C\u002Ffont>  \t路径：machineLearningDeepLearning\u002Fclass_code\n\n##### \u003Cfont size=3>抱歉，本人还未更新\u003C\u002Ffont>\n\n\n\n---\n\n### 学习小组\n\n> 微信打卡群，第一时间获取更新通知，共享PPT、作业及学习笔记。加我微信时请务必备注，格式为：昵称-学生-学校-研究方向 或 昵称-工作-公司-职位方向。\n\n\u003Cimg src=\"https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210306072233264.png\" style=\"zoom:43%;\" \u002F>\n\n---\n\n### 下载的同时也请顺手点个Star\n\n![image-20210418222443314](https:\u002F\u002Fai360.oss-cn-beijing.aliyuncs.com\u002Fblog\u002Fimage-20210418222443314.png)","# machineLearningDeepLearning 快速上手指南\n\n本仓库收录了李宏毅老师 2021 年春季机器学习与深度学习课程的完整资源，包括 PPT、作业代码、数据集及视频链接。\n\n## 环境准备\n\n*   **系统要求**：Windows \u002F macOS \u002F Linux\n*   **前置依赖**：\n    *   Python 3.6+\n    *   Git\n    *   深度学习框架：TensorFlow 或 PyTorch（根据具体作业章节要求安装）\n    *   Jupyter Notebook (可选，用于运行 `.ipynb` 文件)\n*   **网络环境**：部分数据集较大，建议配置好百度网盘客户端；代码运行推荐使用 Google Colab 或本地 GPU 环境。\n\n## 安装步骤\n\n### 1. 克隆仓库\n使用 Git 工具下载本项目内容：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwolfparticle\u002FmachineLearningDeepLearning.git\n```\n*或者直接在 GitHub 网页点击 \"Code\" -> \"Download ZIP\" 进行下载并解压。*\n\n### 2. 获取数据集\n由于作业数据集体积较大，未直接包含在 Git 仓库中，请通过百度网盘下载：\n*   **下载链接**：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1Zjwvv8JMmadPNYgTNN4LCw\n*   **提取码**：`hw21`\n*   **存放路径**：下载后请将数据解压至项目根目录下的 `machineLearningDeepLearning\u002Fdata` 文件夹中。\n\n### 3. 安装依赖库\n进入项目目录，根据具体章节的 `requirements.txt`（如有）或使用 pip 安装通用依赖：\n```bash\ncd machineLearningDeepLearning\npip install torch torchvision tensorflow jupyter pandas numpy matplotlib\n```\n*(注：具体依赖请以各章节 homework_code 目录下的说明为准)*\n\n## 基本使用\n\n本仓库主要按章节组织作业代码，以下以**第二章**为例演示运行流程：\n\n1.  **定位代码目录**：\n    进入第二章作业代码文件夹：\n    ```bash\n    cd homework_code\u002Fchapter_02\n    ```\n    *(注：实际文件夹名称请以仓库内实际结构为准，如 `HW02` 等)*\n\n2.  **运行代码**：\n    该章节支持直接运行 Python 脚本或 Jupyter Notebook：\n    \n    *   **方式 A：运行 Python 脚本**\n        ```bash\n        python run.py\n        ```\n    \n    *   **方式 B：运行 Jupyter Notebook**\n        ```bash\n        jupyter notebook homework.ipynb\n        ```\n        *(注：请将 `homework.ipynb` 替换为实际的笔记本文件名)*\n\n3.  **参考视频与文档**：\n    *   **课程视频**：[Bilibili 全集链接](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=52)\n    *   **Google Colab 教程**：[使用录屏](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1zA411K7en?p=7)\n    *   **PPT 课件**：查看 `ppt` 目录获取对应章节幻灯片。\n\n> **提示**：第一章作业涉及特定数据字段含义，可参考 [CMU Delphi 官方文档](https:\u002F\u002Fcmu-delphi.github.io\u002Fdelphi-epidata\u002Fapi\u002Fcovidcast-signals\u002Ffb-survey.html#mental-health-indicators)。","一名计算机专业的研究生正试图复现李宏毅老师 2021 年课程中的新冠预测作业，以完成自己的期末项目。\n\n### 没有 machineLearningDeepLearning 时\n- **资料分散难收集**：需要在 B 站、Google Drive 和个人博客间反复跳转，手动拼凑零散的 PPT、视频链接和代码片段，极易遗漏关键版本。\n- **环境配置门槛高**：面对陌生的 TensorFlow\u002FPyTorch 代码框架，缺乏官方参考实现，调试数据预处理逻辑耗时数天仍报错不断。\n- **数据获取受阻**：作业所需的大规模数据集没有统一入口，需自行编写爬虫或寻找不稳定的第三方镜像，严重影响进度。\n- **理论实践脱节**：看完视频后无法立即通过对应的笔记和代码验证算法原理，导致对回归模型和神经网络的理解停留在表面。\n\n### 使用 machineLearningDeepLearning 后\n- **资源一站式获取**：通过 `git clone` 一键下载包含完整 PPT、作业代码（hw1-hw14）及课堂演示代码的仓库，所有素材版本对齐且目录清晰。\n- **快速上手运行**：直接利用仓库中已更新的第一章至第十四章参考代码（如 `run.py` 或 `ipynb` 文件），在 Google Colab 上即可复现结果，迅速定位自身代码错误。\n- **数据直达可用**：依据 README 提供的百度网盘链接及提取码，秒级获取经过清洗的标准作业数据集，无需再为数据格式烦恼。\n- **深度学习闭环**：结合上传的课程笔记与对应章节代码，边看李宏毅老师的讲解边修改参数实验，真正实现了从理论推导到模型落地的无缝衔接。\n\nmachineLearningDeepLearning 将原本碎片化、高门槛的学习过程转化为标准化的工程实践，让开发者能专注于算法核心而非资源搜集。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwolfparticle_machineLearningDeepLearning_077e385e.png","wolfparticle","yuyin5star","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwolfparticle_7a41dafa.png","mind ML,DL and NLP",null,"https:\u002F\u002Fgithub.com\u002Fwolfparticle",[83,87],{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",97.1,{"name":88,"color":89,"percentage":90},"HTML","#e34c26",2.9,600,127,"2026-04-02T11:25:08","未说明",{"notes":96,"python":94,"dependencies":97},"本项目为李宏毅老师 2021 年春季机器学习与深度学习课程资料。作业代码支持在 Google Colab 上运行（提供录屏教程）。部分大型数据集需通过百度网盘下载（提取码：hw21）。代码包含 Python 脚本 (.py) 和 Jupyter Notebook (.ipynb) 格式，解压后可直接运行。",[98,99],"tensorflow","pytorch",[18],"2026-03-27T02:49:30.150509","2026-04-06T05:19:30.989039",[],[]]