ML-NLP
Este proyecto cubre puntos de conocimiento y implementaciones de código comúnmente preguntados en entrevistas de aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) y NLP, y es un conocimiento teórico esencial para un ingeniero de algoritmos.
Estudia conceptos clave y ejemplos de codificación para entrevistas de aprendizaje automático y procesamiento de lenguaje natural.
Del 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。
Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasEste proyecto cubre puntos de conocimiento y implementaciones de código comúnmente preguntados en entrevistas de aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) y NLP, y es un conocimiento teórico esencial para un ingeniero de algoritmos.
ML-NLP tiene 17.8k estrellas en GitHub. Se ha bifurcado 4.6k veces. ML-NLP está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2019. Sus temas principales son: deep-learning, machine-learning, nlp.
¿Qué es ML-NLP?
Este proyecto cubre puntos de conocimiento y implementaciones de código comúnmente preguntados en entrevistas de aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) y NLP, y es un conocimiento teórico esencial para un ingeniero de algoritmos.
¿ML-NLP es de código abierto?
ML-NLP es un proyecto de código abierto.
¿ML-NLP es gratis?
Sí. ML-NLP es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿En qué lenguaje está escrito ML-NLP?
ML-NLP está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/nlp-love-ml-nlp.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.