머신러닝/딥러닝 예제 및 실습 Github 모음

Do it! 딥러닝 입문(박해선)

설명: https://tensorflow.blog/do-it-dl/

Do it! 딥러닝 입문

https://github.com/rickiepark/do-it-dl

rickiepark/do-it-dl

내용

• 02 최소한의 도구로 딥러닝을 시작합니다 nbviewer, colab
• 03 머신러닝의 기초를 다집니다 ― 수치 예측 nbviewer, colab
• 04 분류하는 뉴런을 만듭니다 ― 이진 분류 nbviewer, colab
• 05 훈련 노하우를 배웁니다 nbviewer, colab
• 06 2개의 층을 연결합니다 ― 다층 신경망 nbviewer, colab
• 07 여러 개를 분류합니다 ― 다중 분류 nbviewer, colab
• 08 이미지를 분류합니다 ― 합성곱 신경망 nbviewer, colab
• 09 텍스트를 분류합니다 ― 순환 신경망 nbviewer, colab

 

---

혼자 공부하는 머신러닝 + 딥러닝(박해선)

https://github.com/rickiepark/hg-mldl

rickiepark/hg-mldl

내용

• 1-3 마켓과 머신러닝 [nbviewer], [Colab]
• 2-1 훈련 세트와 테스트 세트 [nbviewer], [Colab]
• 2-2 데이터 전처리 [nbviewer], [Colab]
• 3-1 k-최근접 이웃 [nbviewer], [Colab]
• 3-2 선형 회귀 [nbviewer], [Colab]
• 3-3 특성 공학과 규제 [nbviewer], [Colab]
• 4-1 로지스틱 회귀 [nbviewer], [Colab]
• 4-2 확률적 경사 하강법 [nbviewer], [Colab]
• 5-1 결정 트리 [nbviewer], [Colab]
• 5-2 교차 검증과 그리드 서치 [nbviewer], [Colab]
• 5-3 트리의 앙상블 [nbviewer], [Colab]
• 6-1 군집 알고리즘 [nbviewer], [Colab]
• 6-2 k-평균 [nbviewer], [Colab]
• 6-3 주성분 분석 [nbviewer], [Colab]
• 7-1 인공 신경망 [nbviewer], [Colab]
• 7-2 심층 신경망 [nbviewer], [Colab]
• 7-3 신경망 모델 훈련 [nbviewer], [Colab]
• 8-2 합성곱 신경망을 사용한 이미지 분류 [nbviewer], [Colab]
• 8-3 합성곱 신경망의 시각화 [nbviewer], [Colab]
• 9-2 순환 신경망으로 IMDB 리뷰 분류하기 [nbviewer], [Colab]
• 9-3 LSTM과 GRU 셀 [nbviewer], [Colab]

 

---

모두의 딥러닝 개정2판(조태호)

https://github.com/gilbutITbook/080228/tree/master/deeplearning

gilbutITbook/080228

 

---

텐서플로우로 시작하는 딥러닝 기초(Boostscore, 김성훈 교수님 강의 기반)

https://www.boostcourse.org/ai212/joinLectures/25072

텐서플로우로 시작하는 딥러닝 기초

https://github.com/deeplearningzerotoall/TensorFlow

deeplearningzerotoall/TensorFlow

 

---

머신러닝/딥러닝(박성호 교수님)

https://github.com/neowizard2018/neowizard

neowizard2018/neowizard

 

---

 

밑바닥부터 시작하는 딥러닝1(사이토 고키)

 

https://github.com/WegraLee/deep-learning-from-scratch

WegraLee/deep-learning-from-scratch

 

---

케라스 창시자에게 배우는 딥러닝(프랑소와 숄레)

https://github.com/rickiepark/deep-learning-with-python-notebooks

rickiepark/deep-learning-with-python-notebooks

 

---

 

골빈해커의 3분 딥러닝(김진중)

https://github.com/golbin/TensorFlow-Tutorials

golbin/TensorFlow-Tutorials

 

---

Machine learning basics

 

https://github.com/zotroneneis/machine_learning_basics

zotroneneis/machine_learning_basics

This repository contains implementations of basic machine learning algorithms in plain Python (Python Version 3.6+). All algorithms are implemented from scratch without using additional machine learning libraries. The intention of these notebooks is to provide a basic understanding of the algorithms and their underlying structure, not to provide the most efficient implementations.

• Linear Regression
• Bayesian Linear Regression
• Logistic Regression
• Perceptron
• k-nearest-neighbor
• k-Means clustering
• Simple neural network with one hidden layer
• Multinomial Logistic Regression
• Decision tree for classification
• Decision tree for regression
• Support vector machines

---

Tensorflow 튜토리얼

 

https://github.com/tensorflow/docs-l10n/tree/master/site/ko/tutorials

tensorflow/docs-l10n