CodeSnippetSearch CodeSnippetSearch是一个Web应用程序和一个Web扩展，允许您使用自然语言查询和代码本身搜索GitHub存储库。 它基于使用PyTorch和项目中的数据的单词代码搜索实现的神经袋。 模型培训代码受到CodeSearchNet存储库中基线（Tensorflow）实现的极大启发。 当前，支持Python，Java，Go，Php，Javascript和Ruby编程语言。 有用的论文： 型号说明 模型结构 项目结构 code_search ：一个带有脚本的Python包，用于准备数据，训练语言模型并保存嵌入 code_search_web ：CodeSnippetSearch网站Django项目 serialized_data ：在训练期间存储中间对象（文档，词汇表，模型，嵌入等） codesearchnet_data ：来自CodeSe

Rebiber：使用官方信息标准化bibtex的工具。 我们经常引用使用他们的arXiv的论文版本不提的是，他们在一些会议已经发布。 这些非正式的围兜条目可能会违反某些会议的提交规则或适用于摄像头的版本规则。 我们引入Rebiber ，这是Python中的一个简单工具，可以自动修复它们。 它基于来自或的官方会议信息（适用于NLP会议）！ 您可以在查看支持的会议列表。 您可以用作简单的网络演示。 安装 pip install rebiber -U 要么 git clone https://github.com/yuchenlin/rebiber.git cd rebiber/ pip in

机器学习 05.Advice for applying machine learning 编程作业 jupyter note版本 机器学习与数据挖掘 machine learning

OpenNMT-py：开源神经机器翻译 OpenNMT-py是项目的版本， 项目是一个开源（MIT）神经机器翻译框架。 它被设计为易于研究的，可以尝试翻译，摘要，形态和许多其他领域的新思想。 一些公司已经证明该代码可以投入生产。 我们喜欢捐款！ 请查看带有标签的问题。 提出问题之前，请确保您已阅读要求和文档示例。 除非有错误，否则请使用或提出问题。 公告-OpenNMT-py 2.0 我们很高兴宣布即将发布OpenNMT-py v2.0。 此版本背后的主要思想是-几乎完整地改造了数据加载管道。 引入了新的“动态”范式，允许对数据进行动态转换。 这具有一些优点，其中包括： 删除或

Understanding Machine Learning - From Theory to Algorithms这本书的中文扫描版

Machine learning is becoming important in every discipline. It is used in engineering for autonomous cars. It is used in finance for predicting the stock market. Medical professionals use it for diagnoses. While many excellent packages are available from commercial sources and open-source repositories, it is valuable to understand how these algorithms work. Writing your own algorithms is valuable both because it gives you insight into the commercial and open-source packages and also because it gives you the background to write your own custom Machine Learning software specialized for your application. MATLAB® had its origins for that very reason. Scientists who needed to do operations on matrices used numerical software written in FORTRAN. At the time, using computer languages required the user to go through the write-compile-link-execute process that was time consuming and error prone. MATLAB presented the user with a scripting language that allowed the user to solve many problems with a few lines of a script that executed instantaneously. MATLAB has built-in visualization tools that helped the user better understand the results. Writing MATLAB was a lot more productive and fun than writing FORTRAN. The goal of MATLAB Machine Learning is to help all users harness the power of MATLAB to do a wide range of learning problems. This book has two parts. The first part, Chapters 1–3, provides background on machine learning including learning control that is not often associated with machine intelligence. We coin the term “autonomous learning” to embrace all of these disciplines. The second part of the book, Chapters 4–12, shows complete MATLAB machine learning applications. Chapters 4–6 introduce the MATLAB features that make it easy to implement machine learning. The remaining chapters give examples. Each chapter provides the technical background for the topic and ideas on how you can implement the learning algorithm. Each example is implemented in a MATLAB script supported by a number of MATLAB functions. The book has something for everyone interested in machine learning. It also has material that will allow people with interest in other technology areas to see how machine learning, and MATLAB, can help them solve problems in their areas of expertise.

Apress出版, 2019年的书。全英文。我还没看，无法发表意见。请自己到Amazon看介绍.

简单遗传编程 对于符号回归 此Python 3代码是用于符号回归的遗传编程的简单实现，并且已出于教育目的而开发。 依存关系 numpy和sklearn 。 文件test.py显示了用法示例。 安装 您可以使用python3 -m pip install --user simplegp通过python3 -m pip install --user simplegp ，也可以通过下载代码并运行python3 setup.py install --user在本地进行python3 setup.py install --user 。 参考 如果您使用此代码，请通过引用（或为此）代码所针对的我们的一部或多部作品来支持我们的研究： M. Virgolin，A。De Lorenzo，E。Medvet，F。Randone。 “学习可解释性的公式以学习可解释的公式”。 ，施普林格（2020）。 （ ）

dm_env ：DeepMind RL环境API 该软件包描述了用于Python强化学习（RL）环境的界面。 它由以下核心组件组成： dm_env.Environment ：RL环境的抽象基类。 dm_env.TimeStep ：一个容器类，表示每个时间步（过渡）上环境的输出。 dm_env.specs ：一个模块，包含用于描述环境消耗的动作的格式以及其返回的观察值，奖励和折扣的原语。 dm_env.test_utils ：用于测试具体环境实现是否符合dm_env.Environment接口的工具。 请参阅的文档以获取有关环境接口的语义以及如何使用它的更多信息。 子目录还包含使用dm_env接口实现的RL环境的说明性示例。 安装 dm_env可以使用pip从PyPI安装： pip install dm-env 请注意，从1.4版开始，我们仅支持Python 3.6+。 您还

吴恩达机器学习 jupyter note版本编程作业 线性回归 linear regression 机器学习与数据挖掘