#2 【《动手学深度学习》组队学习】学习笔记

提供一些简单的案例教程，丰富一下课程，感兴趣同学可以看看 使用PyTorch实现深度学习_卷积神经网络实现图像多分类：https://openi.pcl.ac.cn/ting/ting202303171051158 机器学习入门与实践_逻辑回归_朴素贝叶斯应用_K邻近：https://openi.pcl.ac.cn/ting/ting202303171135069 个人之前也参加了许多数学建模比赛，在数据挖掘小项目有一点沉淀，后续逐步迁移上openI 部分可参考：https://blog.csdn.net/sinat_39620217/article/details/124353644

为维持健康和谐社区生态，保证良好学习交流氛围，我们将**严格控制不友善内容**，经助教讨论后的不友善内容将予以删除，如被误删请向 <epsilon_luoo@outlook.com> 申诉。

动手学深度学习torch版学习笔记，和一些课后题答案。欢迎提出问题，共同学习~ https://flowus.cn/5236e5ec-360b-4d43-8d10-20aed84bc3c6

听完大佬学长学姐们的直播分享后，一些整理在个人博客的笔记，大家一起加油！ https://dr-xiong.gitee.io/2023/03/20/DataWhale%E5%AD%A6%E4%B9%A0%E8%AE%B0%E5%BD%95/

新手小白希望得到更多大佬笔记进行学习

第一章学习笔记：https://helium-327.github.io/2023/03/19/D2L_ch01/ 请大佬们指正，一起加油！

第一章总结的一些笔记 https://github.com/karry12138/deep2learning-pytorch/blob/main/task1-简介与安装环境.md

ch02的一些纯享代码： https://openi.pcl.ac.cn/nanaib7/log/src/branch/main/ch02.ipynb

我的学习笔记: https://alter-ego.quarto.pub/learn-dive-into-deep-learning

学习笔记： 1. task 1-2: [博客链接](https://www.yangsuoly.com/2023/03/19/dive-into-DL-introduction/)，[pdf](https://yangsuoly.com/file/dl-notes-1.pdf) 2. task 3: [博客地址](https://www.yangsuoly.com/2023/03/21/dive-into-DL-2-Linear/#more), [pdf](https://www.yangsuoly.com/file/dl-notes-2.pdf)

jupyter lab切换kernel为conda虚拟环境d2l https://openi.pcl.ac.cn/eatcosmos/d2l/src/branch/master/venv_d2l.sh

task02 https://jingdetdw.com/2023/03/21/d2l-lesson001/

第二章笔记：https://helium-327.github.io/2023/03/22/%E5%AD%A6%E4%B9%A0%E8%AE%B0%E5%BD%95/DataWhale/D2L_ch02_%E9%A2%84%E5%A4%87%E7%9F%A5%E8%AF%86/

task 02 包含的内容比较多. 刚刚刷完代码. 笔记还在持续更新中. 线性笔记发布在: https://alter-ego.quarto.pub/learn-dive-into-deep-learning/ 非线性笔记发布在: https://alter-ego-eu-org.vercel.app 预计 本周末25~26号可以完成整理. 欢迎反馈.

延续了第六期趣开源活动风格。 在启智上创建了机器学习入门系列项目，并结合了一些项目实战，一共9个项目。**刚好可以让学习目前课程这块的同学，在空档期，练练手**。 入门篇： [机器学习算法入门教程（一）: 基于逻辑回归的分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（二）: 基于朴素贝叶斯(Naive Bayes)的分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（四）: 基于支持向量机的分类预测](https://openi.pcl.ac.cn/ting/ting202303252242462) [机器学习入门算法（五）：基于企鹅数据集的决策树分类预测](https://openi.pcl.ac.cn/ting/ting202303252245555) [机器学习入门算法（六）基于天气数据集的XGBoost分类预测](https://openi.pcl.ac.cn/ting/ting202303252253248) [机器学习入门算法[七]：基于英雄联盟数据集的LightGBM的分类预测](https://openi.pcl.ac.cn/ting/ting202303252254596) [机器学习入门算法（八）：基于BP神经网络的乳腺癌的分类预测](https://openi.pcl.ac.cn/ting/ting202303262009545) [机器学习入门算法（九）: 基于线性判别模型的LDA手写数字分类识别](https://openi.pcl.ac.cn/ting/ting202303262011449) 实战篇： 机器学习实战系列一：工业蒸汽量预测（最新版本上篇）含数据探索特征工程等：https://openi.pcl.ac.cn/ting/ting202303262013328 机器学习实战系列一：工业蒸汽量预测(最新版本下篇)含特征优化模型融合等: https://openi.pcl.ac.cn/ting/ting202303262013328 内容非常详细， 后续会持续更新相关项目实战，声明前期项目大部分为经典项目，看启智平台没有没有这系列项目，个人把一些优秀案例整合一下，并在云脑调试完成。如有bug请在isuue留言即可。

在外部平台（如知乎、csdn等）进行的分享，将链接通过在项目提交Issue，由助教进行审核通过后的优质内容加5积分/篇。加分无上限，同一内容仅加分一次。

``` 在外部平台（如知乎、csdn等）进行的分享，将链接通过在项目提交Issue，由助教进行审核通过后的优质内容加5积分/篇。加分无上限，同一内容仅加分一次。 ``` 下面链接是在**CSDN分享链接**：其余在知乎、cto51、掘金等同步分享就不贴链接了 注：目前博主在参加csdn原力计划有较大流量扶持 机器学习算法入门教程（一）: 基于逻辑回归的分类预测](https://blog.csdn.net/sinat_39620217/article/details/129684401) [机器学习入门算法（二）: 基于朴素贝叶斯(Naive Bayes)的分类预测](https://blog.csdn.net/sinat_39620217/article/details/129685205) [机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻(k-nearest neighbors)分类预测](https://blog.csdn.net/sinat_39620217/article/details/129685992) [机器学习入门算法（四）: 基于支持向量机的分类预测](https://blog.csdn.net/sinat_39620217/article/details/129726471) [机器学习入门算法（五）：基于企鹅数据集的决策树分类预测](https://blog.csdn.net/sinat_39620217/article/details/129727461) [机器学习入门算法（六）基于天气数据集的XGBoost分类预测](https://blog.csdn.net/sinat_39620217/article/details/129727682) [机器学习入门算法[七]：基于英雄联盟数据集的LightGBM的分类预测](https://blog.csdn.net/sinat_39620217/article/details/129728330) [机器学习入门算法（八）：基于BP神经网络的乳腺癌的分类预测](https://blog.csdn.net/sinat_39620217/article/details/129728340) [机器学习入门算法（九）: 基于线性判别模型的LDA手写数字分类识别](https://blog.csdn.net/sinat_39620217/article/details/129728352) B.机器学习实战系列[一]：工业蒸汽量预测（最新版本上篇）含数据探索特征工程等：https://blog.csdn.net/sinat_39620217/article/details/129789182 B.机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等：https://blog.csdn.net/sinat_39620217/article/details/129789323

Task 4 的内容很有意思. 我的 (Wang_G 群37) 相关笔记与之前的笔记都被发布在这里 https://alter-ego.quarto.pub/learn-dive-into-deep-learning/