View Code? Open in Web Editor
NEW
This project forked from lihanghang/deep-learning-and-paper
【仅作为交流学习使用】机器智能--相关书目及经典论文包括AutoML、情感分类、语音识别、声纹识别、语音合成实验代码等
Jupyter Notebook 73.16%
Python 26.84%
deep-learning-and-paper's Introduction
序号 |
中文名称 |
英文名称 |
1 |
自动数据清洗 |
Automated Data Clean, Auto Clean |
2 |
自动特征工程 |
Automated Feature Enginnering, Auto FE |
3 |
神经网络架构搜索 |
Neural Architecture Search, NAS |
4 |
超参数优化 |
Hyperparameter Optimization, HPO |
5 |
元学习 |
Meta-Learning |
序号 |
名称 |
简介 |
链接 |
主要特点 |
主要技术 |
备注 |
1 |
Auto-Keras |
Auto-Keras是一个用于自动机器学习(AutoML)的开源软件库。它由Texas A&M大学的DATA实验室和社区贡献者开发。 |
https://autokeras.com/ Auto-Keras提供自动搜索深度学习模型的架构和超参数的功能。 |
用神经架构搜索,但应用“网络态射”(在更改架构时保持网络功能)以及贝叶斯优化,以指导网络态射以实现更高效的神经网络搜索。 |
德克萨斯州A&M大学数据实验室团队 |
|
2 |
Auto-sklearn |
是一个自动化机器学习的工具包,其基于sklearn编写。 |
https://automl.github.io/auto-sklearn/master/# |
仅支持监督学习的分类和回归。框架可以自动进行数据预处理,特征预处理,(分类/回归)算法选择,最终可导出模型,存储并使用。 |
Bayesian Optimization/SMAC (sequential model-based algorithm configuration)等 |
Frank Hutter 等 |
3 |
NNI-v0.8 |
NNI(神经网络智能)是一个帮助用户运行自动机器学习(AutoML)实验的工具包。该工具调度并运行由优化算法生成的试验作业,以在不同的环境(如本地机器、远程服务器和云)中搜索最佳的神经体系结构和/或超参数。 |
https://github.com/Microsoft/nni |
支持私有部署/支持分布式调度/对超参搜索的底层支持 |
Random Search/ Tree-structured Parzen Estimator (TPE) /Grid Search等 |
微软发布 |
4 |
TransmogrifAI |
是一个基于Scala和SparkML构建的Java开源库,用于处理结构化数据的端到端自动化机器学习库。 |
https://transmogrif.ai/ |
可以自动完成数据清理、特征工程和模型选择,然后训练出一个高性能模型,进行进一步探索和迭代。 |
基于自动类型的特征工程/特征验证等 |
Salesforce发布 |
- 算法是死的,**是活的。经典反复多次,悟其背后之道,才可唯我所用。
- 理论实践相结合。
- activation.激活函数
- Attention. 注意力机制
- GANs
- 深度森林
- 声学模型
- 声纹识别
- 语音合成
- 情感分析
对中文电影评论进行情感分析
- 语音识别
对英文数字语音进行别
- 声纹识别
- 动手学深度学习
- 神经网络与深度学习
- 语音与语言处理(第3版)
- 一份不太简短的LATEX介绍
- Hands-On+Machine+Learning+with+Scikit-Learn+and+TensorFlow
Update:20190610
deep-learning-and-paper's People
Contributors
Stargazers