ML-NLP
Dieses Projekt behandelt häufige Themen und Codeimplementierungen in maschinellem Lernen (Machine Learning), tiefem Lernen (Deep Learning) und NLP-Interviews und ist auch als theoretische Grundkenntnisse für einen Algorithmus-Ingenieur unerlässlich.
Studieren Sie wichtige Konzepte und Codebeispiele für Interviews im Bereich maschinelles Lernen und natürliche Sprachverarbeitung.
Aus der README
- 此项目是机器学习、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。
- 既然是以面试为主要目的，亦不可以篇概全，请谅解，有问题可提出。
- 此项目以各个模块为切入点，让大家有一个清晰的知识体系。
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarDieses Projekt behandelt häufige Themen und Codeimplementierungen in maschinellem Lernen (Machine Learning), tiefem Lernen (Deep Learning) und NLP-Interviews und ist auch als theoretische Grundkenntnisse für einen Algorithmus-Ingenieur unerlässlich.
ML-NLP hat 17.8k Sterne auf GitHub. Es wurde 4.6k-mal geforkt. ML-NLP ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2019 aktiv entwickelt. Die Hauptthemen sind: deep-learning, machine-learning, nlp.
Was ist ML-NLP?
Dieses Projekt behandelt häufige Themen und Codeimplementierungen in maschinellem Lernen (Machine Learning), tiefem Lernen (Deep Learning) und NLP-Interviews und ist auch als theoretische Grundkenntnisse für einen Algorithmus-Ingenieur unerlässlich.
Ist ML-NLP Open Source?
ML-NLP ist ein Open-Source-Projekt.
Ist ML-NLP kostenlos?
Ja. ML-NLP ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
In welcher Sprache ist ML-NLP geschrieben?
ML-NLP ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/nlp-love-ml-nlp.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.