opensource/ai-edu
3
0
Fork 0
mirror of https://github.com/microsoft/ai-edu.git synced 2026-08-28 17:41:25 +08:00
Code Issues Packages Projects Releases Wiki Activity
694 Commits 14 Branches 3 Tags
master
Commit Graph

694 Commits

This Branch
This Branch
All Branches
Author SHA1 Message Date
DaGang 4869797975 Update 20.1-LSTM基本原理.md (#556) 
* Update 19.6-深度循环神经网络.md

* Update 19.6-深度循环神经网络.md

* Update  LSTM基本原理.md

* Update 20.1-LSTM基本原理.md
 2020-10-10 20:16:37 +08:00
DaGang f67fbc1d5e Update 多分类函数.md (#572) 2020-10-10 20:15:40 +08:00
TobeyQin b1b532da62 Add README for ai-system course (#571) 
* Add README for ai-system course

* Update README.md
 2020-10-10 11:14:59 +08:00
xiaowuhu ce1fddb6ea Xiaowuhu/20200916 (#564) 
* add more

* modify

* add more

* add

* modify

* Update 4.2 故事分析.md

* add more

* add more

* add more

* Update 5.1 木头的故事.md

* add more

* change names

* add more 09220928

* add more

* Update 5.2 故事分析.md

* add more

* add more

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-09-24 14:32:46 +08:00
Double680 b8e8ce80d2 Full Update (#563) 
* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.3-神经网络法.md

* Update 04.3-神经网络法.md

* Update 04.4-多样本计算.md

* Update 04.4-多样本计算.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 02.1-线性反向传播.md

* Update 02.2-非线性反向传播.md

* Update 02.3-梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.4-还原参数值.md

* Update 05.5-正确的推理方法.md

* Update 05.6-标准化标签值.md

* Update 05.6-标准化标签值.md

* Update 01.2-范式的演化.md

* Update 01.2-范式的演化.md

* Update 01.3-神经网络的基本工作原理.md

* Update 01.3-神经网络的基本工作原理.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 06.3-线性二分类的工作原理.md

* Update 06.4-线性二分类结果可视化.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.5-实现逻辑与或非门.md

* Update 06.6-用双曲正切函数分类.md

* Update 06.6-用双曲正切函数分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 07.2-线性多分类实现.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.4-线性多分类结果可视化.md

* Update 08.0-激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 09.0-单入单出双层-非线性回归.md

* Update 09.1-多项式回归法拟合正弦曲线.md

* Update 09.2-多项式回归法拟合复合函数曲线.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 09.5-曲线拟合.md

* Update 09.6-非线性回归的工作原理.md

* Update 09.7-参数调优初步.md

* 课程配套PPT

目前已完成Step 1-4共计九章课件内容的制作，后续内容正在更新中。

* Update 08 第四步 - 非线性回归.md

* Update 09.7-参数调优初步.md

* Update 09.7-参数调优初步.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 15.5-批量归一化的原理.md

* PPTs of first 7 steps

* Delete Chapter 04 单入单出的单层神经网络.pdf

* Delete Chapter 05 多入单出的单层神经网络.pdf

* Delete Chapter 06 线性二分类.pdf

* Delete Chapter 07 线性多分类.pdf

* Delete Chapter 09 单入单出的双层神经网络.pdf

* Update 10.0-多入单出双层-非线性二分类.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.3-实现逻辑异或门.md

* Update 10.4-逻辑异或门的工作原理.md

* Update 10.5-实现双弧形二分类.md

* Update 10.5-实现双弧形二分类.md

* Update 10.6-双弧形二分类的工作原理.md

* Update 11.0-多入多出双层-非线性多分类.md

* Update 11.1-非线性多分类实现.md

* Update 11.2-非线性多分类的工作原理.md

* Update 12.1-三层神经网络的实现.md

* Update 12.1-三层神经网络的实现.md

* Update 12.2-梯度检查.md

* Update 12.3-学习率与批大小.md

* Update 13.0-手工测试训练效果.md

* Update 13.1-模型文件概述.md

* Update 13.2-ONNX模型文件.md

* Update 14.0-搭建深度神经网络框架.md

* Update 14.1-回归任务功能测试.md

* Update 14.2-回归任务真实案例.md

* Update 14.2-回归任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.5-多分类任务功能测试.md

* Update 14.6-多分类任务真实案例.md

* Update 15.1-权重矩阵初始化.md

* Update 15.2-梯度下降优化算法.md

* Update 15.3-自适应学习率算法.md

* Update 15.4-算法效果比较.md

* Update 15.5-批量归一化的原理.md

* Update 15.5-批量归一化的原理.md

* Update 15.6-批量归一化的实现.md

* Update 16.0-正则化.md

* Update 16.2-L2正则.md

* Update 16.2-L2正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.4-早停法.md

* Update 16.5-丢弃法.md

* Update 16.6-数据扩展.md

* Update 16.6-数据扩展.md

* Update 16.7-集成学习.md

* Update 16.7-集成学习.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.1-二分类函数.md

* Update 05.2-神经网络法.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 10.4-逻辑异或门的工作原理.md

* Delete Chapter 01 概论.pdf

* Delete Chapter 02 神经网络中的三个基本概念.pdf

* Delete Chapter 03 损失函数.pdf

* Delete Chapter 08 激活函数.pdf

* Add files via upload

PPTs of first 7 steps

* Delete Chapter 08 激活函数.pdf

* Images Modified

修改了图片链接地址

* Update 20.1-LSTM基本原理.md

* Update 20.1-LSTM基本原理.md

* Update 20.1-LSTM基本原理.md

* Update 20.1-LSTM基本原理.md

* Update 20.3-GRU基本原理.md

* Update 20.3-GRU基本原理.md

* Update 19.6-深度循环神经网络.md

* Update 20.4-序列到序列.md

* Update 19.7-双向循环神经网络.md

* Final PPTs

* Update 19.1-两个时间步的循环神经网络.md

* Update 19.1-两个时间步的循环神经网络.md

* Update 19.2-四个时间步的循环神经网络.md

* Update 19.3-通用的循环神经网络模型.md

* Update 17.1-卷积的前向计算原理.md

* Update 17.2-卷积前向计算代码实现.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.3-卷积的反向传播原理.md

* Update 17.5-池化的前向计算与反向传播.md

* Update 17.5-池化的前向计算与反向传播.md

* Update 20.3-GRU基本原理.md

* Update 20.4-序列到序列.md

* Update 20.3-GRU基本原理.md

* Update 20.4-序列到序列.md

* Update README.md

* Update README.md

* DataDownload

* Update README.md

* Update DataDownload.py

* Update README.md

* Update README.md

* Update README.md

* Update README.md
 2020-09-23 11:12:13 +08:00
DaGang 4fc7dd78dd Update 20.3-GRU基本原理.md (#557) 2020-09-19 18:24:37 +08:00
DaGang 29f6438e81 Update 20.4-序列到序列.md (#559) 2020-09-19 18:22:14 +08:00
Double680 3644969e8c Images Modified (#562) 
* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.3-神经网络法.md

* Update 04.3-神经网络法.md

* Update 04.4-多样本计算.md

* Update 04.4-多样本计算.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 02.1-线性反向传播.md

* Update 02.2-非线性反向传播.md

* Update 02.3-梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.4-还原参数值.md

* Update 05.5-正确的推理方法.md

* Update 05.6-标准化标签值.md

* Update 05.6-标准化标签值.md

* Update 01.2-范式的演化.md

* Update 01.2-范式的演化.md

* Update 01.3-神经网络的基本工作原理.md

* Update 01.3-神经网络的基本工作原理.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 06.3-线性二分类的工作原理.md

* Update 06.4-线性二分类结果可视化.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.5-实现逻辑与或非门.md

* Update 06.6-用双曲正切函数分类.md

* Update 06.6-用双曲正切函数分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 07.2-线性多分类实现.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.4-线性多分类结果可视化.md

* Update 08.0-激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 09.0-单入单出双层-非线性回归.md

* Update 09.1-多项式回归法拟合正弦曲线.md

* Update 09.2-多项式回归法拟合复合函数曲线.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 09.5-曲线拟合.md

* Update 09.6-非线性回归的工作原理.md

* Update 09.7-参数调优初步.md

* 课程配套PPT

目前已完成Step 1-4共计九章课件内容的制作，后续内容正在更新中。

* Update 08 第四步 - 非线性回归.md

* Update 09.7-参数调优初步.md

* Update 09.7-参数调优初步.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 15.5-批量归一化的原理.md

* PPTs of first 7 steps

* Delete Chapter 04 单入单出的单层神经网络.pdf

* Delete Chapter 05 多入单出的单层神经网络.pdf

* Delete Chapter 06 线性二分类.pdf

* Delete Chapter 07 线性多分类.pdf

* Delete Chapter 09 单入单出的双层神经网络.pdf

* Update 10.0-多入单出双层-非线性二分类.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.3-实现逻辑异或门.md

* Update 10.4-逻辑异或门的工作原理.md

* Update 10.5-实现双弧形二分类.md

* Update 10.5-实现双弧形二分类.md

* Update 10.6-双弧形二分类的工作原理.md

* Update 11.0-多入多出双层-非线性多分类.md

* Update 11.1-非线性多分类实现.md

* Update 11.2-非线性多分类的工作原理.md

* Update 12.1-三层神经网络的实现.md

* Update 12.1-三层神经网络的实现.md

* Update 12.2-梯度检查.md

* Update 12.3-学习率与批大小.md

* Update 13.0-手工测试训练效果.md

* Update 13.1-模型文件概述.md

* Update 13.2-ONNX模型文件.md

* Update 14.0-搭建深度神经网络框架.md

* Update 14.1-回归任务功能测试.md

* Update 14.2-回归任务真实案例.md

* Update 14.2-回归任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.5-多分类任务功能测试.md

* Update 14.6-多分类任务真实案例.md

* Update 15.1-权重矩阵初始化.md

* Update 15.2-梯度下降优化算法.md

* Update 15.3-自适应学习率算法.md

* Update 15.4-算法效果比较.md

* Update 15.5-批量归一化的原理.md

* Update 15.5-批量归一化的原理.md

* Update 15.6-批量归一化的实现.md

* Update 16.0-正则化.md

* Update 16.2-L2正则.md

* Update 16.2-L2正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.4-早停法.md

* Update 16.5-丢弃法.md

* Update 16.6-数据扩展.md

* Update 16.6-数据扩展.md

* Update 16.7-集成学习.md

* Update 16.7-集成学习.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.1-二分类函数.md

* Update 05.2-神经网络法.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 10.4-逻辑异或门的工作原理.md

* Delete Chapter 01 概论.pdf

* Delete Chapter 02 神经网络中的三个基本概念.pdf

* Delete Chapter 03 损失函数.pdf

* Delete Chapter 08 激活函数.pdf

* Add files via upload

PPTs of first 7 steps

* Delete Chapter 08 激活函数.pdf

* Images Modified

修改了图片链接地址
 2020-09-17 17:00:14 +08:00
xiaowuhu 1916e3df2f Xiaowuhu/20200914 (#560) 
* add 3.1

* add 3.2

* add more

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 3.3 微软的软件工程师.md

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-09-16 10:39:27 +08:00
DaGang 7365e6f270 Update 19.6-深度循环神经网络.md (#554) 
* Update 19.6-深度循环神经网络.md

* Update 19.6-深度循环神经网络.md
 2020-09-15 07:25:36 +08:00
xiaowuhu fdc8fe03d6 Xiaowuhu/20200911 (#553) 
* add more

* Update 1.4 什么是软件工程.md

* add more

* Update 1.5 软件工程在微软.md

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-09-14 11:29:02 +08:00
xiaowuhu 47ca29b41d Xiaowuhu/20200903 (#551) 
* add files

* add

* add framework

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-09-11 11:33:42 +08:00
xiaowuhu 1a132e412d Xiaowuhu/20200826 (#547) 
* Update 19.1-两个时间步的循环神经网络.md

* Create README.md

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-09-03 13:47:32 +08:00
DaGang 5871a6980e Update Level1_EchoRandomNumber.py (#545) 
Fix bug.
 2020-09-03 08:17:53 +08:00
DaGang b344220c47 Update 19.2-四个时间步的循环神经网络.md (#546) 2020-09-03 07:54:19 +08:00
FariyAhill 9ef12bd10b Update 19.1-两个时间步的循环神经网络.md (#544) 2020-09-01 08:09:58 +08:00
FariyAhill 88c9f227b9 Update 19.1-两个时间步的循环神经网络.md (#543) 
Update formula 11、12.
 2020-09-01 08:08:57 +08:00
TobeyQin 6b80287b57 Ting 20200828 (#537) 
* update doc

* Update CONTRIBUTING.md
 2020-08-28 11:35:28 +08:00
TobeyQin 1d477773af Update contributor doc (#535) 2020-08-27 15:00:23 +08:00
FariyAhill aeeff7bc8d Update DropoutLayer.py (#533) 
fix bug
 2020-08-27 08:21:02 +08:00
xiaowuhu c7e236f94b Xiaowuhu/20200722 (#532) 
* Update 10.4-逻辑异或门的工作原理.md

* fix bug

* fix title bug

* Create Readme.md

* delete dup files

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-08-26 11:40:51 +08:00
Double680 dc1cd25264 Update - Qingyang (#531) 
* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.3-神经网络法.md

* Update 04.3-神经网络法.md

* Update 04.4-多样本计算.md

* Update 04.4-多样本计算.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 02.1-线性反向传播.md

* Update 02.2-非线性反向传播.md

* Update 02.3-梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.4-还原参数值.md

* Update 05.5-正确的推理方法.md

* Update 05.6-标准化标签值.md

* Update 05.6-标准化标签值.md

* Update 01.2-范式的演化.md

* Update 01.2-范式的演化.md

* Update 01.3-神经网络的基本工作原理.md

* Update 01.3-神经网络的基本工作原理.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 06.3-线性二分类的工作原理.md

* Update 06.4-线性二分类结果可视化.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.5-实现逻辑与或非门.md

* Update 06.6-用双曲正切函数分类.md

* Update 06.6-用双曲正切函数分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 07.2-线性多分类实现.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.4-线性多分类结果可视化.md

* Update 08.0-激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 09.0-单入单出双层-非线性回归.md

* Update 09.1-多项式回归法拟合正弦曲线.md

* Update 09.2-多项式回归法拟合复合函数曲线.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 09.5-曲线拟合.md

* Update 09.6-非线性回归的工作原理.md

* Update 09.7-参数调优初步.md

* 课程配套PPT

目前已完成Step 1-4共计九章课件内容的制作，后续内容正在更新中。

* Update 08 第四步 - 非线性回归.md

* Update 09.7-参数调优初步.md

* Update 09.7-参数调优初步.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 16.1-偏差与方差.md

* Update 15.5-批量归一化的原理.md

* PPTs of first 7 steps

* Delete Chapter 04 单入单出的单层神经网络.pdf

* Delete Chapter 05 多入单出的单层神经网络.pdf

* Delete Chapter 06 线性二分类.pdf

* Delete Chapter 07 线性多分类.pdf

* Delete Chapter 09 单入单出的双层神经网络.pdf

* Update 10.0-多入单出双层-非线性二分类.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.1-为什么必须用双层神经网络.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.2-非线性二分类实现.md

* Update 10.3-实现逻辑异或门.md

* Update 10.4-逻辑异或门的工作原理.md

* Update 10.5-实现双弧形二分类.md

* Update 10.5-实现双弧形二分类.md

* Update 10.6-双弧形二分类的工作原理.md

* Update 11.0-多入多出双层-非线性多分类.md

* Update 11.1-非线性多分类实现.md

* Update 11.2-非线性多分类的工作原理.md

* Update 12.1-三层神经网络的实现.md

* Update 12.1-三层神经网络的实现.md

* Update 12.2-梯度检查.md

* Update 12.3-学习率与批大小.md

* Update 13.0-手工测试训练效果.md

* Update 13.1-模型文件概述.md

* Update 13.2-ONNX模型文件.md

* Update 14.0-搭建深度神经网络框架.md

* Update 14.1-回归任务功能测试.md

* Update 14.2-回归任务真实案例.md

* Update 14.2-回归任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.4-二分类任务真实案例.md

* Update 14.5-多分类任务功能测试.md

* Update 14.6-多分类任务真实案例.md

* Update 15.1-权重矩阵初始化.md

* Update 15.2-梯度下降优化算法.md

* Update 15.3-自适应学习率算法.md

* Update 15.4-算法效果比较.md

* Update 15.5-批量归一化的原理.md

* Update 15.5-批量归一化的原理.md

* Update 15.6-批量归一化的实现.md

* Update 16.0-正则化.md

* Update 16.2-L2正则.md

* Update 16.2-L2正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.3-L1正则.md

* Update 16.4-早停法.md

* Update 16.5-丢弃法.md

* Update 16.6-数据扩展.md

* Update 16.6-数据扩展.md

* Update 16.7-集成学习.md

* Update 16.7-集成学习.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.1-二分类函数.md

* Update 05.2-神经网络法.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 10.4-逻辑异或门的工作原理.md

* Delete Chapter 01 概论.pdf

* Delete Chapter 02 神经网络中的三个基本概念.pdf

* Delete Chapter 03 损失函数.pdf

* Delete Chapter 08 激活函数.pdf

* Add files via upload

PPTs of first 7 steps

* Delete Chapter 08 激活函数.pdf
 2020-08-25 11:57:23 +08:00
FariyAhill c7273a2e69 Update Visualizer_1_1.py (#524) 
fixed "type numpy.ndarray doesn't define __round__ method" .
Y[i]'s type is numpy.ndarray
 2020-08-25 08:29:21 +08:00
FariyAhill 0700c88c1e Update Optimizer_1_0.py (#528) 
Add the LR parameter to the Optimizer‘s __init__ method.
 2020-08-25 08:28:47 +08:00
TobeyQin 8f13ccd304 fix bug of B05 (#530) 
1. hidden subscription key
2. add doc reference
 2020-08-14 17:34:57 +08:00
xiaowuhu 050641abae Xiaowuhu/20200722 (#527) 
* Update 10.4-逻辑异或门的工作原理.md

* fix bug

* fix title bug

* Create Readme.md

Co-authored-by: Xiaowu Hu <xiaowuhu@microsoft.com>
 2020-08-06 17:06:00 +08:00
Double680 81aa0d5bd4 New update, by Qingyang. (#526) 
* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.3-神经网络法.md

* Update 04.3-神经网络法.md

* Update 04.4-多样本计算.md

* Update 04.4-多样本计算.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 02.1-线性反向传播.md

* Update 02.2-非线性反向传播.md

* Update 02.3-梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.4-还原参数值.md

* Update 05.5-正确的推理方法.md

* Update 05.6-标准化标签值.md

* Update 05.6-标准化标签值.md

* Update 01.2-范式的演化.md

* Update 01.2-范式的演化.md

* Update 01.3-神经网络的基本工作原理.md

* Update 01.3-神经网络的基本工作原理.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.1-二分类函数.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update 06.2-线性二分类实现.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 06.3-线性二分类的工作原理.md

* Update 06.4-线性二分类结果可视化.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.0-多入单出单层神经网络-线性二分类.md

* Update 06.5-实现逻辑与或非门.md

* Update 06.6-用双曲正切函数分类.md

* Update 06.6-用双曲正切函数分类.md

* Update 07.0-多入多出单层神经网络-线性多分类.md

* Update 07.1-多分类函数.md

* Update 07.2-线性多分类实现.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.3-线性多分类的工作原理.md

* Update 07.4-线性多分类结果可视化.md

* Update 08.0-激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.1-挤压型激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 08.2-半线性激活函数.md

* Update 09.0-单入单出双层-非线性回归.md

* Update 09.1-多项式回归法拟合正弦曲线.md

* Update 09.2-多项式回归法拟合复合函数曲线.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.3-验证与测试.md

* Update 09.4-神经网络非线性回归的实现.md

* Update 09.5-曲线拟合.md

* Update 09.6-非线性回归的工作原理.md

* Update 09.7-参数调优初步.md

* 课程配套PPT

目前已完成Step 1-4共计九章课件内容的制作，后续内容正在更新中。

* Update 08 第四步 - 非线性回归.md

* Update 09.7-参数调优初步.md

* Update 09.7-参数调优初步.md
 2020-08-03 18:12:15 +08:00
fariyAhill 4cd094f0e0 Update NeuralNet_2_0.py (#521) 
Fixed batch_a not returned in the forward function.
 2020-07-31 12:00:18 +08:00
fariyAhill dfe03a172d Update NeuralNet_2_0.py (#522) 
Fixed accuracy not returned in Test method.
 2020-07-31 11:59:23 +08:00
TobeyQin d480508c65 fix invalid link bug (#525) 2020-07-30 10:19:17 +08:00
Double680 65e9575529 Fix bug, by Qingyang (#523) 
* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 03.0-损失函数.md

* Update 03.0-损失函数.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.1-最小二乘法.md

* Update 04.2-梯度下降法.md

* Update 04.3-神经网络法.md

* Update 04.3-神经网络法.md

* Update 04.4-多样本计算.md

* Update 04.4-多样本计算.md

* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 04.5-梯度下降的三种形式.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.0-多入单出单层-多变量线性回归.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 05.1-正规方程法.md

* Update 03.0-损失函数.md

* Update 03.1-均方差损失函数.md

* Update 03.2-交叉熵损失函数.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 02.1-线性反向传播.md

* Update 02.2-非线性反向传播.md

* Update 02.3-梯度下降.md

* Update 02.0-反向传播与梯度下降.md

* Update 02.1-线性反向传播.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.2-神经网络法.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.3-样本特征数据标准化.md

* Update 05.4-还原参数值.md

* Update 05.5-正确的推理方法.md

* Update 05.6-标准化标签值.md

* Update 05.6-标准化标签值.md

* Update 01.2-范式的演化.md

* Update 01.2-范式的演化.md

* Update 01.3-神经网络的基本工作原理.md

* Update 01.3-神经网络的基本工作原理.md
 2020-07-25 19:39:01 +08:00
xiaowuhu 0931d46424 fix bug (#520) 2020-07-22 11:20:41 +08:00
Sherry fb0faab86a add word2vec.py (#515) 2020-07-22 11:19:51 +08:00
xiaowuhu eb6bbdb2c8 Xiaowuhu/20200630 (#516) 
* fix bug

* fix bug

* Update 18.4-MNIST分类.md

* fix data issue
 2020-07-16 10:31:07 +08:00
Sherry 550ebbda91 Add UCI examples (#512) 
Compare LightGBM with Deep Learning in data science.
 2020-07-09 10:18:07 +08:00
Sherry fc5d9d769c Add Sequence to Sequence Learning (#511) 2020-07-09 10:15:21 +08:00
Tommy in Tongji cc92133f5d Add files via upload (#510) 
Add UCI dataset project
 2020-07-07 15:43:04 +08:00
xiaowuhu f18123b5bb Xiaowuhu/20200522 (#509) 
* Update 04.0-单入单出单层-单变量线性回归.md

* Update 04.0-单入单出单层-单变量线性回归.md
 2020-06-30 10:08:26 +08:00
TobeyQin d330f1e2ce Delete Level4_PoemGenerator.py (#508) 2020-06-10 16:31:36 +08:00
Zixuan Chen 5361c16bc8 Zixuan/dict (#507) 
* fix path

* fix path
 2020-05-27 10:38:43 +08:00
Zixuan Chen e2f5a76c67 Zixuan/data (#506) 
* add more detail

* add more detail

* add more detail
 2020-05-22 17:30:15 +08:00
xiaowuhu 381ee5ef84 Xiaowuhu/20200423 (#505) 
* add probability and likelihood

* fix bugs

* add source code

* add MAP

* Update 3.最大后验概率.md

* Update MLE_MAP.py

* fix bug
 2020-05-22 09:06:46 +08:00
Sherry e80ca35840 modified Level5_Pytorch.py (#504) 2020-05-09 12:07:06 +08:00
dependabot[bot] e40bbd607b Bump Microsoft.AspNetCore.All in /B-实践案例/B06-扩展阅读-搭建中间服务层/微软-方案1/src (#495) 
Bumps [Microsoft.AspNetCore.All](https://github.com/aspnet/Universe) from 2.0.8 to 2.0.9.
- [Release notes](https://github.com/aspnet/Universe/releases)
- [Changelog](https://github.com/aspnet/Universe/blob/master/docs/CrossRepoBreakingChanges.md)
- [Commits](https://github.com/aspnet/Universe/compare/2.0.8...2.0.9)

Signed-off-by: dependabot[bot] <support@github.com>

Co-authored-by: dependabot[bot] <49699333+dependabot[bot]@users.noreply.github.com>
 2020-05-08 16:12:59 +08:00
Zixuan Chen 39392ed9bc Zixuan/lstm (#503) 
* add fairseq version

* add flask web
 2020-05-07 13:52:28 +08:00
Erik Xu 712778ff0a Update 04.1-最小二乘法.md (#502) 
* Update 04.1-最小二乘法.md

* Update 05.3-样本特征数据标准化.md
 2020-05-07 07:06:41 +08:00
Sherry 6b4afbd95c Sherrylone patch 2 (#499) 
* Add BiLSTM

* ch20-RNNModel Level5_Pytorch.py

* ch20 Level5_Pytorch.py 

Add GRU model
 2020-05-02 21:15:00 +08:00
Sherry a56db9fc76 ch Level5_Pytorch.py (#500) 
Add GRU model
 2020-04-30 10:59:32 +08:00
xiaowuhu abd0998f70 Xiaowuhu/20200415 (#494) 
* Update 17.5-池化的前向计算与反向传播.md

* fix bug

* Create Readme.md
 2020-04-23 09:45:18 +08:00
Sherry e2849b4945 Sherrylone patch 2 (#493) 
* Add BiLSTM

* ch20-RNNModel Level5_Pytorch.py
 2020-04-17 18:16:37 +08:00