ML-NLP
Ce projet couvre les points de connaissance et les implémentations de code souvent abordés lors des entretiens en apprentissage automatique (Machine Learning), apprentissage profond (Deep Learning) et NLP, et constitue également une base théorique essentielle pour un ingénieur en algorithmes.
Étudiez les concepts clés et des exemples de code pour des entretiens sur l'apprentissage automatique et le traitement du langage naturel.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCe projet couvre les points de connaissance et les implémentations de code souvent abordés lors des entretiens en apprentissage automatique (Machine Learning), apprentissage profond (Deep Learning) et NLP, et constitue également une base théorique essentielle pour un ingénieur en algorithmes.
ML-NLP compte 17.8k étoiles sur GitHub. Il a été forké 4.6k fois. ML-NLP est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2019. Ses principaux thèmes sont : deep-learning, machine-learning, nlp.
Qu'est-ce que ML-NLP ?
Ce projet couvre les points de connaissance et les implémentations de code souvent abordés lors des entretiens en apprentissage automatique (Machine Learning), apprentissage profond (Deep Learning) et NLP, et constitue également une base théorique essentielle pour un ingénieur en algorithmes.
ML-NLP est-il open source ?
ML-NLP est un projet open source.
ML-NLP est-il gratuit ?
Oui. ML-NLP est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage ML-NLP est-il écrit ?
ML-NLP est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/nlp-love-ml-nlp.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.