《机器学习宝典》包含：谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题（内功）

《机器学习宝典》包含：谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题（内功） 该资源适用于机器学习、深度学习研究人员和爱好者参考！ 其中《机器学习知识点彩图版.pdf》以生动形象的图片描述机器学习中的知识点。 其中《Google机器学习速成课程.pdf》以加利福尼亚房价预测为线索，讲解了机器学习概念、特征工程以及机器学习在现实世界的应用。该课程有对应知识点的习题和解答，你可以随时检测自己的学习效果。 其中《机器学习中的常识性问题 (最新网页版)》，该文系统性总结了机器学习基础知识。 | 百度网盘| #机器学习

中国科学技术大学张伟平老师的《概率论与数理统计》课件

中国科学技术大学张伟平老师的《概率论与数理统计》课件 本课程是概率理论和数理统计的入门基础课程, 着重于在理解概率模型和统计方法中所必须的概率基础和统计思想学习. 课程内容包括概率公理,基础组合排列方法, 离散和连续随机变量, 概率分布, 数学期望,中心极限定理; 点估计方法, 包括矩估计方法, 极大似然估计方法等, 显著性检验方法, 包括一样本均值检验, t检验和两样本均值检验, t检验, F检验等. 以及Pearson Chi-square检验方法等 |

KoBeWi的：通用框架，用于在Godot引擎中创建Metroidvania类型游戏，支持地图设计、导航与展示、追踪收集物，并提

KoBeWi的：通用框架，用于在Godot引擎中创建Metroidvania类型游戏，支持地图设计、导航与展示、追踪收集物，并提供基本的系统相关保存数据功能，组件可独立使用，适用于各类游戏开发。 | #框架

: 一站式 #机器学习 开发平台

: 一站式 #机器学习 开发平台 MetaSpore 具有以下特点： 一站式端到端开发，从离线模型训练到在线预测和分桶实验，全流程统一开发体验； 深度学习训练框架，兼容PyTorch生态，支持分布式大规模稀疏特征学习； 训练框架与PySpark对接，从数据湖和数据仓库无缝读取训练数据； 高性能在线预测服务，支持神经网络、决策树、Spark ML、SKLearn等模型的快速推理；支持异构计算推理加速； 在离线统一特征提取框架中，自动生成在线特征读取逻辑，特征提取逻辑统一跨离线和在线； 在线算法应用框架，提供模型预测、实验分桶和流量拆分、参数动态热加载和丰富的调试功能； 丰富的行业算法示例和端到端的解决方案。

：一个Python库，能让机器学习团队以协作、灵活和高效的方式共享、加载和转换数据

：一个Python库，能让机器学习团队以协作、灵活和高效的方式共享、加载和转换数据 特性： SPEED：避免数据停顿，即昂贵的GPU在等待数据时不会空闲。 成本：首先，避免 GPU 停顿，其次允许对数据进行分片和集群，并将其存储和加载到包中，从而降低数据桶云存储的成本。 灵活性：使用灵活的标准数据方案，该方案适用于任何设置，包括多模式数据。 协作：以自助服务模式更轻松地在团队和项目之间共享数据和代码。

是一个用 Python 编写的开源 #框架 ，用于量化（又名监督流行率估计，或学习量化）。

是一个用 Python 编写的开源 #框架 ，用于量化（又名监督流行率估计，或学习量化）。 QuaPy 基于“数据样本”的概念，提供量化工作流最重要方面的实现，例如（基线和高级）量化方法、面向量化的模型选择机制、评估措施和评估协议用于评估量化方法。QuaPy 还提供常用数据集，并提供可视化工具以促进实验结果的分析和解释