人工智能、智能学习、深度学习程序。很难找的东西。

Kaggle-WhatsCooking-机器学习 来源 目标-使用食谱成分来预测美食类别 语言-Python 套餐-NumPy，Pandas，Sci-Kit Learn 数据文件概述 >>df_train.info() Int64Index: 39774 entries, 0 to 39773 Data columns (total 3 columns): cuisine 39774 non-null object id 39774 non-null int64 ingredients 39774 non-null object dtypes: int64(1), object(2) >>df_train.head()

适用于python（PyQt）中scikit-learn的机器学习GUI-原型 该项目的目标是使新手程序员更容易使用机器学习。 这仅适用于提供的成人样本数据。 这是从： : 您将需要scikit-learn，matplotlib和所有其他依赖项才能运行它（numpy，scipy等）。 用'python main.py'运行 请参阅随附的演示文稿（.pdf），以获取对该项目进行的一些分析。

Matlab深度置信网络DBN代码解析用于机器学习的神经网络 Geoff Hinton 的 Coursera 课程“机器学习神经网络”的 Matlab 源文件。 Geoff Hinton 于 2019 年从 Coursera 中删除了该课程，因为他觉得现在已经过时了。 然而，这些讲座仍然是对神经网络的很好的介绍，可以在 Geoff Hinton 的网站上找到。 课程大纲如下。 一、简介 为什么我们需要机器学习 什么是神经网络 一些简单的神经元模型 一个简单的学习例子 三种学习方式 2.感知器学习过程 网络架构的主要类型概述 感知器 感知器的几何视图 为什么学习有效 感知器不能做什么 3. 反向传播学习过程 学习线性神经元的权重 线性神经元的误差面 学习逻辑输出神经元的权重 反向传播算法 如何使用反向传播算法计算的导数 4. 学习词的特征向量 学习预测下一个单词 对认知科学的简要介绍 另一个改道_softmax输出函数 神经概率语言模型 处理大量可能输出的方法 5. 使用神经网络进行物体识别 为什么物体识别很困难 实现视点不变性的方法 用于手写数字识别的卷积神经网络 用于物体识别的卷积神

薪资预测 使用线性回归的机器学习模型，可以通过输入经验年限来预测薪水。 当前使用Heroku进行部署。 这是已部署模型的链接： :

当下人工智能已经渗透到各行各业，在很多高风险领域，需要可靠可信赖的模型，即所谓可信赖机器学习。本书来自Kush R. Varshney撰写的《可信赖机器学习》讲述可信赖机器学习系统性知识，非常值得关注。

黑色素检测 什么是黑色素瘤？ “黑色素瘤” ，也称为“恶性黑色素瘤” ，是一种由称为黑色素细胞的含色素细胞发展而来的癌症。 黑色素瘤通常发生在皮肤上，但很少发生在口腔，肠或眼睛中。 黑色素瘤的主要原因是皮肤色素含量低的人暴露于紫外线（UV）中。 紫外线可以来自太阳，也可以来自其他来源，例如晒黑设备。 大约25％的痣来自于痣。 在以下了解更多信息：-> 。 关于存储库- 此存储库包含用于黑色素瘤检测应用程序的源代码。 以下是“项目结构” ： . | Main.py | dataset.npz | testcase.npz | README.md |---featext |

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制，从而进行详细的分析。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件的文件夹 抽

NudeNet：用于裸体分类，检测和选择性检查的神经网络 以下图像的未经审查的版本可以在 ）中找到 分类器类： 班级名称 描述 安全的 图片/视频不带有露骨色情内容 不安全的 图片/视频是露骨的 默认检测器类： 班级名称 描述 EXPOSED_ANUS 肛门暴露； 任何性别 EXPOSED_ARMPITS 裸露的腋窝； 任何性别 COVERED_BELLY 挑衅，但遮盖了肚皮； 任何性别 EXPOSED_BELLY 腹部裸露； 任何性别 COVERED_BUTTOCKS 挑衅，但遮盖了臀部； 任何性别 EXPOSED_BUTTOCKS 暴露的臀部； 任何性别 FACE_F 女性的脸 FACE_M 男性面Kong COVERED_FEET 覆盖脚； 任何性别 EXPOSED_FEET 裸露的脚； 任何性别 COVERED_BREAST_F 挑衅，但涵盖乳房； 女

Gaussian Processes for Machine Learning英文原版pdf，国外高斯过程经典书籍，学习高斯入门的不错书