资源中包含三个PDF，分别是大牛整理的吴恩达机器学习视频课笔记完整版、深度学习笔记最新版以及吴恩达新书（Machine Learning Yearning）。三本书理论与实践结合，学习了机器学习算法后，Machine Learning Yearning将展示如何构建机器学习项目，使机器学习算法发挥作用。配合网易云吴恩达老师的视频一起食用效果更佳呦！

building machine learning system with python 实现代码前六章

Python for Probability,Statistics,and Machine Learning.pdf Python for Probability,Statistics,and Machine Learning.pdf

《Machine Learning_ A Bayesian and Optimization Perspective》 作者：Sergios Thedoridis

tensorflow-internals：这是有关TensorFlow内核和实现机制的开源电子书

Natural Language Processing (Almost) from Scratch

希腊电力负荷预测IPTO 此存储库包含我研究生论文的代码，该论文涉及短期负荷预测，使用希腊独立电力公司提供的每日负荷数据集，在R，RStudio，R-markdown和R-Shiny中开发了预测希腊每小时的电力负荷需求传输运营商（IPTO）-（希腊的AΔΜHΕ） 可以在亚里斯多德大学的论文库中找到我的论文的文档： : ln= ，请原谅我文档中的错误，如果发现任何错误，请通知我 ：） 库-依赖关系 数据预处理库 xlsx软件包：install.packages（'xlsx'） JSONLite ：install.packages（“ jsonlite”） lubridate ：install.packages（'lubridate'） 标题：install.packages（“标题”） 功能选择，库：install.package（“ Boruta”） 机器学习图书馆 SV

因果发现工具箱是一个用于在图形中以及在Python> = 3.5的成对设置中进行因果推断的程序包。 包括用于图形结构恢复和依赖性的工具。 该软件包基于Numpy，Scikit-learn，Pytorch和R。 它主要基于观察数据，实现了许多用于图结构恢复的算法（包括来自bnlearn ， pcalg包的算法）。 使用pip安装它：（请参阅下面的安装详细信息） pip install cdt Docker镜像 Docker映像可用，包括所有依赖项和启用的功能： 科 主 开发者 Python 3.6-CPU Python 3.6-GPU 安装 这些软件包需要python版本> = 3.5，以及一些在列出的库。 对于某些其他功能，需要更多的库才能使这些附加功能和选项可用。 这是该软件包的快速安装指南，从最小安装到完整安装开始。 注意：（mini / ana）conda框架将帮助安装所有这些软件包，因此建议非专业用户使用。 安装PyTorch 由于cdt软件包中的某些关键算法使用PyTorch软件包，因此需要安装它。 请访问他们的网站以安装适合您的硬件配置的PyTorch版本：

ClearML-自动魔术工具套件，可简化ML工作流程实验经理，ML-Ops和数据管理 清除ML 前身为快板火车 ClearML是ML / DL开发和生产套件，它包含三个主要模块： -自动进行实验跟踪，环境和结果 -ML / DL作业（K8s /云/裸机）的自动化，管道和编排解决方案 -在对象存储（S3 / GS / Azure / NAS）之上的完全可区分的数据管理和版本控制解决方案 检测这些组件是ClearML服务器，请参阅和 在2分钟内 ClearML实验管理员 仅在代码中添加2行即可获得以下内容 完整的实验设置日志 完整的源代码管理信息，包括未提交的本地更改 执行环境（包括特定的软件包和版本） 超参数 ArgParser用于具有当前使用值的命令行参数 显式参数字典 Tensorflow定义（absl-py） 九头蛇配置和替代 初始模型权重文件 完整的实验输出自动捕获 标准输出和标准错误 资源监控（CPU / GPU利用率，温度，IO，网络等） 模型快照（具有可选的自动上传到中央存储的功能：共享文件夹，S3，GS，Azure，Http） 工件日志和存储（共享文件夹，S3

金融占星术统计 自古代文明以来，人们观察到，当特定的行星循环重复发生时，自然又会发生一些与过去相似的世俗事件。 在公元前1800年注意到这种相关性的，我们在2021年，占星术仍在实践中，受到某人的爱戴，而另一些人则恨之入骨。 某些预测能力可能隐藏在行星周期的背后吗？ 好吧，让我们考虑一下...从统计学家和市场分析师的角度来看，完全可以接受可能存在可以预测价格的季节性影响。 正确的？ 通常在时间序列中，按Wikipedia页面中的说明，按季节，按月，按周，按季度等来模拟。 如果您对此进行考虑，您可能会问：一年，一个月或一天是什么？ 这只是时间度量，但结果是这些度量与行星有关：我们的年份是地球经度位置与太阳的关系。 我们的月份大约是28天的月球自转周期，而我们的24小时（昼/夜）是地球自转周期。 最后，我们的日子名称与某些行星的名称相似，并且有其意图，如《维基百科页面所述。 阿兹台克人也有一