iOS上很棒的机器学习演示 我们通过Core ML和ML Kit（TensorFlow Lite）解决了在iOS上使用机器学习模型的挑战。 内容 适用于iOS的机器学习框架 等等（ ， DEPRECATED ） 使用Core ML时的模型流程 大多数ML框架的总体流程非常相似。 每个框架都有其自己兼容的模型格式。 对于每个移动ML框架，我们需要采用TensorFlow中创建的模型并将其转换为适当的格式。 一旦准备好兼容模型，就可以使用ML框架运行推理。 请注意，您必须手动执行预处理/后处理。 如需更多说明，请查看 。 使用创建ML时的模型流程 基准项目 完成 在Core ML中使用内置模型 通过ML Kit使用内置的设备上模型 使用Core ML和ML Kit的Vision自定义模型 使用Core ML进行对象检测 去做 使用ML套件进行物体检测 在ML Kit上使用内置的云模型地标识别 对Core ML和ML Kit使用NLP的自定义模型 通过Core ML和ML Kit使用自定义模型进行音频 音频识别 语音识别 TTS 影像分类 名称 演示 注意 -- -- 目标

来源 ••••• 滑梯 文件夹包含演示文稿的源代码，包括来自伯克利的教学机器学习的-该源代码位于markdown中（），可轻松编辑/导出 研究概述 在文件夹中不同研究领域的最新论文的概述和摘要（例如ml的可， ， ， ， ） 笔记 文件夹包含有关计算机科学，统计学和神经科学之间许多不同课程和领域的降价笔记和 码 链接到研究代码，例如以下存储库： 可解释的机器学习 可解释的深度学习 深度学习的乐趣 ：透明模型拟合， ：解归因曲线 ：层次解释， ：解释转换， ：惩罚性解释 ：演示模型，带有gpt2的 帖子 关于机器学习/统计/神经科学进步各个方面的帖子 参考 要获取更新，请为存储库星标或关注 随时公开使用！ 用jekyll + github页面构建 使用和

ML Manager Pro是可自定义的APK管理器，适用于具有Root访问权限的Android：提取任何已安装的应用程序，将其标记为收藏，轻松共享.apk文件以及更多其他功能。 功能： •提取所有已安装和系统的应用程序并将其另存为APK。 •批处理模式可同时提取多个APK。 •使用其他应用程序共享任何APK：电报，Dropbox，电子邮件等。 •通过将它们标记为收藏来组织应用程序，并更轻松地访问它们。 •将最新的APK上传到APKMirror。 •卸载任何已安装的应用程序。 •设置中可用的自定义设置，包括深色模式，自定义主要颜色等。 •不需要根访问权限。

周志华《机器学习》课后习题个人解答。各算法都拿numpy和pandas实现了一遍

机器学习PPT作图相关素材，github地址：https://github.com/dair-ai/ml-visual

如果你对本系列(未写完，持续更新中)感兴趣，可接以下传送门(CSDN搜索)：   【推荐算法】从零开始做推荐（一）——认识推荐、认识数据   【推荐算法】从零开始做推荐（二）——推荐系统的评价指标，计算原理与实现样例   【推荐算法】从零开始做推荐（三）——传统矩阵分解的TopK推荐

jupyter整理的peter的ml_in_action代码，使其更有层次感，更加连贯，也加了一些自己的修改，以及注释

谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题 （内功）。该资源适用于机器学习、深度学习以及TensorFlow研究人员参考

machine-learning从零基础开始机器学习之旅

机器学习算法