机器学习周刊【第二期】：300个机器学习应用案例

大家好，继续分享我最近看过并觉得非常硬核的资源，包括Python、机器学习、深度学习、大模型等等。

1、Python编程挑战

地址：https://github.com/Asabeneh/30-Days-Of-Python

30天Python编程挑战是一个逐步学习Python编程语言的指南，虽然命名为30天，但实际可能需要超过100天，可以根据自己的学习进度来安排。

2、机器学习应用案例

地址：https://www.evidentlyai.com/ml-system-design

如何像 Netflix、Airbnb 和 Doordash 这样的公司应用机器学习来改进他们的产品和流程？evidently整理了一个包含 80 多家公司的 300 个案例研究的数据库，分享了从设计机器学习系统中获得的实用机器学习应用案例和经验。（这也网站看着眼熟吗？前几天我介绍过他家的库：一个神奇的Python库：Evidently，机器学习必备）

可以通过行业或机器学习应用场景对这些案例研究进行筛选：

• 不同数据类型的机器学习系统，比如计算机视觉（CV）或自然语言处理（NLP）。
• 针对特定场景的机器学习系统，最流行的包括推荐系统、搜索排序和欺诈检测。
• 其中还特别标出了那些利用机器学习为用户直接提供“产品功能”的案例，比如从语法纠错到搭配服装的创意。

3、Hello 算法

地址：https://github.com/krahets/hello-algo

《Hello 算法》：动画图解、一键运行的数据结构与算法教程，支持 Java, C++, Python, Go, JS, TS, C#, Swift, Rust, Dart, Zig 等语言。

本项目旨在打造一本开源免费、新手友好的数据结构与算法入门教程。

• 全书采用动画图解，内容清晰易懂、学习曲线平滑，引导初学者探索数据结构与算法的知识地图。
• 源代码可一键运行，帮助读者在练习中提升编程技能，了解算法工作原理和数据结构底层实现。
• 鼓励读者互助学习，提问与评论通常可在两日内得到回复。

对Python感兴趣的话，直接移步这里：

https://github.com/krahets/hello-algo/tree/main/codes/python

4、《理解深度学习》pdf 免费下载

目录：

第1章 - 引言
第2章 - 监督学习
第3章 - 浅层神经网络
第4章 - 深度神经网络
第5章 - 损失函数
第6章 - 训练模型
第7章 - 梯度和初始化
第8章 - 性能评估
第9章 - 正则化
第10章 - 卷积网络
第11章 - 残差网络
第12章 - 变换器（Transformers）
第13章 - 图神经网络
第14章 - 无监督学习
第15章 - 生成对抗网络
第16章 - 正规化流
第17章 - 变分自编码器
第18章 - 扩散模型
第19章 - 深度强化学习
第20章 - 深度学习为什么有效？
第21章 - 深度学习与伦理学

下载地址：https://udlbook.github.io/udlbook/

这里不但有本书的pdf下载，还有每一章节的习题ipynb代码

5、微软 GitHub Copilot 教程

地址：https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming

微软出的 GitHub Copilot 教程，只有 6 堂课，会教你如何有效利用 GitHub Copilot 以及与 AI 结对编程。课程一共 10 小时，可以体验如何通过 VSCode 和 GitHub Copilot Chat 进行实时协作，学习如何使用 GitHub Copilot 自动补全代码，处理错误和写单元测试，尽可能教会你使用 GitHub Copilot 的最佳实践，让你可以提升写代码的效率和质量。