模式识别&机器学习课程论文，内容如下： 一、摘要 3 二、任务说明 3 三、数据处理 3 四、算法原理 4 五、具体实现 6 5.1 实验环境 6 5.2 实验设置 6 5.3 训练加速 6 5.4 混合精度训练 7 六、实验结果 8 七、参考文献 11

机器学习、深度学习，学习主流的深度学习框架Tensorflow之旅

Web安全之机器学习入门，Web安全之强化学习与GAN，Web安全之深度学习实战随书源码 百度云

机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习机器学习 深度学习

这是之前的小项目，新项目源码地址: https://github.com/duanshengliu/End-to-end-for-chinese-plate-recognition 欢迎star

提供了Neural networks and deep learning这本书所有的章节pdf版内容。另外，读者如果想要书中源代码，可以从https://github.com/mnielsen/neural-networks-and-deep-learning下载。

此资源介绍了人工智能学术论文写作方法和技巧（清华刘洋），介绍了学术论文各个部分【摘要（Abstract）、介绍（Introduction）、相关工作（Related Work）、方法（Methods）、写作常见问题】的写作技巧及注意事项，我在原作者的基础上，增加了书签，更有益于读者阅读。

hands-on machine learning with scikit-learn and tensorflow代码答案

非常不错的资源，内容详实丰富;daily work. If youre comfortable with Python and its libraries, including pandas and scikit-learn, youll be able to address specific problems such as loading data, handling text or numerical data, model selection, and dimensionality reduction and many other topics. Each recipe includes code that you can copy and paste into a toy dataset to ensure that it actually works. From there, you can insert, combine, or adapt the code to help construct your application. Recipes also include a discussion that explains the solution and provides meaningful context. This cookbook takes you beyond theory and concepts by providing the nuts and bolts you need to construct working machine learning applications.

DeepLearning-500-questions：深度学习500问最新版2019年7月 原作者GitHub链接地址：https://github.com/scutan90/DeepLearning-500-questions