共计 22758 个字符,预计需要花费 57 分钟才能阅读完成。
公告
- 欢迎大家在我们平台上投放广告。如果你希望在我们的专栏、文档或邮件中投放广告,请准备好各种尺寸的图片和专属链接,联系咸鱼(1034616238)。
- 我们组织了一个开源互助平台,方便开源组织和大 V 互相认识,互相帮助,整合资源。请回复这个帖子并注明组织 / 个人信息来申请加入。
- 请回复这个帖子来推荐希望翻译的内容。如果大家遇到了做得不错的教程或翻译项目,也可以推荐给我们。我们会联系项目的维护者,一起把它变得更好。
- 我们的各个公众平台接受人工智能、环材化生劝退、CS 留学申请、IT 外企求职的投稿,详情请见这里,我们会每日从所有投稿博文中精选两篇,在 ApacheCN 全平台推送。
- 为了能够将开源事业做大做强,ApacheCN 需要与公益基金会(IT、教育类)合作,欢迎大家提供帮助。同时我们也接受社会各界的捐助。
- 如果你不希望再收到我们的邮件,请直接拉黑我们,不要浪费彼此的时间,谢谢合作。
- ByteInAI 是我们和 Datawhale、AI 有道、黄海广博士等组织或个人联合推出的 AI 垂直自媒体,是一个纯商业项目。如果你有意向投资这个项目,请联系 Datawhale 或咸鱼(1034616238)。
组织任务
认领须知:
- 请私聊片刻(529815144)、咸鱼(1034616238)、或飞龙(562826179)来认领任务,我们会把你拉进合伙人群。
- 现有 翻译项目(t.cn/AijId2zY)可以直接在 ISSUE 中认领,翻译 / 校对三个文档就可以申请当负责人。
- 翻译 / 校对五个文档的贡献者,可以申请实习证明,请私聊片刻(529815144)。
- 如果你的想法没有列出,同样欢迎私聊我们。
翻译校对活动
百页机器学习小书【翻译】
参与方式:https://github.com/apachecn/m…
整体进度:https://github.com/apachecn/m…
项目仓库:https://github.com/apachecn/m…
认领:11/12,翻译:7/12
章节 | 贡献者 | 进度 |
---|---|---|
零、前言 | @PEGASUS1993 | 100% |
一、介绍 | @PEGASUS1993 | |
二、符号和定义 | @PEGASUS1993 | |
三、基本算法 | ||
四、线性算法剖析 | @P3n9W31 | 100% |
五、基本实践 | @chengchengbai | |
六、神经网络和深度学习 | @Everfighting | |
七、问题和答案 | @LaicZhang | 100% |
八、高级实践 | @LaicZhang | 100% |
九、无监督学习 | @onlyonewater | 100% |
十、其它学习形式 | @kjlintong | 100% |
十一、总结 | @kjlintong | 100% |
CS234 强化学习讲义【翻译】
参与方式:https://github.com/apachecn/u…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/u…
认领:5/15,翻译:3/15
章节 | 贡献者 | 进度 |
---|---|---|
Lecture 1 | @Everglow0214 | 100% |
Lecture 2 | @sunnyswag | |
Lecture 3 | @Everglow0214 | 100% |
Lecture 4 | @Everglow0214 | 100% |
Lecture 5 | @Everglow0214 | |
Lecture 6 | ||
Lecture 7 | ||
Lecture 8 | ||
Lecture 9 | ||
Lecture 10 | ||
Lecture 11 | ||
Lecture 12 | ||
Lecture 13 | ||
Lecture 14 | ||
Lecture 15 |
MIT 18.03 写给初学者的微积分【校对】
参与方式:https://github.com/apachecn/c…
整体进度:https://github.com/apachecn/c…
项目仓库:https://github.com/apachecn/c…
认领:9/73,校对:0/73
章节 | 贡献者 | 进度 |
---|---|---|
第 0 章:为何学习微积分? | @PEGASUS1993 | |
0.1 你应该知道什么 | @PEGASUS1993 | |
0.2 什么是微积分?我们为什么要研究它? | @PEGASUS1993 | |
第 1 章:数字 | @PEGASUS1993 | |
1.1 什么是数字?有理数 | @PEGASUS1993 | |
1.2 小数和实数 | @PEGASUS1993 | |
1.3 复数 | @PEGASUS1993 | |
复数运算 | @PEGASUS1993 | |
1.4 可数集(消遣) | @PEGASUS1993 | |
第 2 章:使用电子表格 | ||
2.1 什么是电子表格? | ||
2.2 斐波纳契数 | ||
2.3 帕斯卡的三角形 | ||
2.4 与电子表格集成 | ||
第 3 章:线性函数 | ||
3.1 什么是函数? | ||
3.2 线性函数 | ||
3.3 线性 | ||
第四章:函数的二次型和导数 | ||
4.1 更复杂的函数 | ||
4.2 二次函数的斜率 | ||
第 5 章:有理函数和导数的计算 | ||
5.1 有理函数的导数 | ||
第 6 章:指数函数,替换和链规则 | ||
6.1 最有用函数的导数 | ||
第 7 章:三角函数及其导数 | ||
7.1 二维数学 | ||
7.2 三角学和导数以及加法定理 | ||
第 8 章:反函数及其导函数 | ||
8.1 反函数 | ||
8.2 微分反函数 | ||
8.3 更多规则 | ||
第 9 章:数值微分和不可微函数 | ||
9.1 数值微分 | ||
9.2 绘制导数图 | ||
9.3 不可微函数 | ||
第 10 章:微分的回顾 | ||
10.1 复习 | ||
第 11 章:微分在求解方程中的应用 | ||
11.1 求解方程 | ||
第 12 章:反导数 | ||
12.1 反导数 | ||
第 13 章:曲线下面积; 定积分 | ||
13.1 区域:定义,名称和符号 | ||
13.2 微积分和确定区域的基本定理 | ||
13.3 积分的诀窍 | ||
第 14 章:数值积分 | ||
14.1 数值积分计划 | ||
14.2 积分的“规则” | ||
14.3 为什么这些规则有效? | ||
第 15 章:平行数字的面积和体积; 行列式 | ||
15.1 有符号面积和体积 | ||
15.2 表示平行边的图形 | ||
15.3 行列式的属性 | ||
15.4 求解行列式 | ||
15.5 用于求解电子表格中的行列式的爱丽丝梦游仙境方法 | ||
第 16 章一些纯数学 | ||
16.1 极限和点集拓扑简介 | ||
16.2 紧集 | ||
16.3 杂注 | ||
16.4 Lebesgue 积分 | ||
第 17 章:物理的建模应用 | ||
17.1 垂直运动建模 | ||
17.2 弹簧建模(谐波振荡器) | ||
17.3 受迫振荡 | ||
17.4 简单电路 | ||
第 18 章捕食者猎物模型 | ||
18.1 捕食者猎物模型 | ||
第 19 章:求解微分方程 | ||
19.1 计划 | ||
19.2 一阶微分方程 | ||
19.3 二阶微分方程 | ||
19.4 行星运动 |
UIUC CS241 系统编程中文讲义【校对】
参与方式:https://github.com/apachecn/u…
整体进度:https://github.com/apachecn/u…
项目仓库:https://github.com/apachecn/u…
认领:6/78,校对:6/78
章节 | 贡献者 | 进度 |
---|---|---|
#Informal 词汇表 | ||
#Piazza:何时以及如何寻求帮助 | ||
编程技巧,第 1 部分 | ||
系统编程短篇小说和歌曲 | ||
C 编程,第 1 部分:简介 | @blue-bird1 | 100% |
C 编程,第 2 部分:文本输入和输出 | @hqiwen | 100% |
C 编程,第 3 部分:常见问题 | @hqiwen | 100% |
C 编程,第 4 部分:字符串和结构 | @hqiwen | 100% |
C 编程,第 5 部分:调试 | @hqiwen | 100% |
C 编程,复习题 | @hqiwen | 100% |
进程,第 1 部分:简介 | ||
分叉,第 1 部分:简介 | ||
分叉,第 2 部分:Fork,Exec,等等 | ||
进程控制,第 1 部分:使用信号等待宏 | ||
进程复习题 | ||
内存,第 1 部分:堆内存简介 | ||
内存,第 2 部分:实现内存分配器 | ||
内存,第 3 部分:粉碎堆栈示例 | ||
内存复习题 | ||
Pthreads,第 1 部分:简介 | ||
Pthreads,第 2 部分:实践中的用法 | ||
Pthreads,第 3 部分:并行问题(奖金) | ||
Pthread 复习题 | ||
同步,第 1 部分:互斥锁 | ||
同步,第 2 部分:计算信号量 | ||
同步,第 3 部分:使用互斥锁和信号量 | ||
同步,第 4 部分:临界区问题 | ||
同步,第 5 部分:条件变量 | ||
同步,第 6 部分:实现障碍 | ||
同步,第 7 部分:读者编写器问题 | ||
同步,第 8 部分:环形缓冲区示例 | ||
同步复习题 | ||
死锁,第 1 部分:资源分配图 | ||
死锁,第 2 部分:死锁条件 | ||
死锁,第 3 部分:餐饮哲学家 | ||
死锁复习题 | ||
虚拟内存,第 1 部分:虚拟内存简介 | ||
管道,第 1 部分:管道介绍 | ||
管道,第 2 部分:管道编程秘密 | ||
文件,第 1 部分:使用文件 | ||
调度,第 1 部分:调度过程 | ||
调度,第 2 部分:调度过程:算法 | ||
IPC 复习题 | ||
POSIX,第 1 部分:错误处理 | ||
网络,第 1 部分:简介 | ||
网络,第 2 部分:使用 getaddrinfo | ||
网络,第 3 部分:构建一个简单的 TCP 客户端 | ||
网络,第 4 部分:构建一个简单的 TCP 服务器 | ||
网络,第 5 部分:关闭端口,重用端口和其他技巧 | ||
网络,第 6 部分:创建 UDP 服务器 | ||
网络,第 7 部分:非阻塞 I O,select()和 epoll | ||
RPC,第 1 部分:远程过程调用简介 | ||
网络复习题 | ||
文件系统,第 1 部分:简介 | ||
文件系统,第 2 部分:文件是 inode(其他一切只是数据 …) | ||
文件系统,第 3 部分:权限 | ||
文件系统,第 4 部分:使用目录 | ||
文件系统,第 5 部分:虚拟文件系统 | ||
文件系统,第 6 部分:内存映射文件和共享内存 | ||
文件系统,第 7 部分:可扩展且可靠的文件系统 | ||
文件系统,第 8 部分:从 Android 设备中删除预装的恶意软件 | ||
文件系统,第 9 部分:磁盘块示例 | ||
文件系统复习题 | ||
过程控制,第 1 部分:使用信号等待宏 | ||
信号,第 2 部分:待处理的信号和信号掩码 | ||
信号,第 3 部分:提高信号 | ||
信号,第 4 部分:信号 | ||
信号复习题 | ||
考试主题 | ||
C 编程:复习题 | ||
多线程编程:复习题 | ||
同步概念:复习题 | ||
内存:复习题 | ||
管道:复习题 | ||
文件系统:复习题 | ||
网络:复习题 | ||
信号:复习题 | ||
系统编程笑话 |
Cython 3.0 中文文档【校对】
参与方式:https://github.com/apachecn/c…
整体进度:https://github.com/apachecn/c…
项目仓库:https://github.com/apachecn/c…
认领:7/37,校对:0/37
章节 | 贡献者 | 进度 |
---|---|---|
Cython – 概述 | @varyshare | |
安装 Cython | @varyshare | |
构建 Cython 代码 | @varyshare | |
通过静态类型更快的代码 | @varyshare | |
基础教程 | @varyshare | |
调用 C 函数 | @varyshare | |
使用 C 库 | @varyshare | |
扩展类型(又名.cdef 类) | ||
pxd 文件 | ||
Caveats | ||
Profiling | ||
Unicode 和传递字符串 | ||
内存分配 | ||
纯 Python 模式 | ||
使用 NumPy | ||
使用 Python 数组 | ||
进一步阅读 | ||
相关工作 | ||
附录:在 Windows 上安装 MinGW | ||
语言基础 | ||
扩展类型 | ||
扩展类型的特殊方法 | ||
在 Cython 模块之间共享声明 | ||
与外部 C 代码连接 | ||
源文件和编译 | ||
早期绑定速度 | ||
在 Cython 中使用 C ++ | ||
融合类型(模板) | ||
将 Cython 代码移植到 PyPy | ||
Limitations | ||
Cython 和 Pyrex 之间的区别 | ||
键入的内存视图 | ||
实现缓冲协议 | ||
使用并行性 | ||
调试你的 Cython 程序 | ||
用于 NumPy 用户的 Cython | ||
Pythran 作为 Numpy 后端 |
Numba 0.44 中文文档【校对】
参与方式:https://github.com/apachecn/n…
整体进度:https://github.com/apachecn/n…
项目仓库:https://github.com/apachecn/n…
认领:1/73,校对:1/73
章节 | 贡献者 | 进度 |
---|---|---|
1. 用户手册 | – | – |
1.1。Numba 的约 5 分钟指南 | @saltball | 100% |
1.2。概述 | ||
1.3。安装 | ||
1.4。使用@jit 编译 Python 代码 | ||
1.5。使用@generated_jit 进行灵活的专业化 | ||
1.6。创建 Numpy 通用函数 | ||
1.7。用 @jitclass 编译 python 类 | ||
1.8。使用@cfunc 创建 C 回调 | ||
1.9。提前编译代码 | ||
1.10。使用@jit 自动并行化 | ||
1.11。使用 @stencil 装饰器 | ||
1.12。从 JIT 代码 中回调到 Python 解释器 | ||
1.13。性能提示 | ||
1.14。线程层 | ||
1.15。故障排除和提示 | ||
1.16。常见问题 | ||
1.17。示例 | ||
1.18。会谈和教程 | ||
2. 参考手册 | – | – |
2.1。类型和签名 | ||
2.2。即时编译 | ||
2.3。提前编译 | ||
2.4。公用事业 | ||
2.5。环境变量 | ||
2.6。支持的 Python 功能 | ||
2.7。支持的 NumPy 功能 | ||
2.8。与 Python 语义的偏差 | ||
2.9。浮点陷阱 | ||
2.10。Python 2.7 寿命终止计划 | ||
3. 用于 CUDA GPU 的 Numba | – | – |
3.1。概述 | ||
3.2。编写 CUDA 内核 | ||
3.3。内存管理 | ||
3.4。编写设备功能 | ||
3.5。CUDA Python 中支持的 Python 功能 | ||
3.6。支持的原子操作 | ||
3.7。随机数生成 | ||
3.8。设备管理 | ||
3.10。示例 | ||
3.11。使用 CUDA 模拟器 调试 CUDA Python | ||
3.12。GPU 减少 | ||
3.13。CUDA Ufuncs 和广义 Ufuncs | ||
3.14。共享 CUDA 内存 | ||
3.15。CUDA 阵列接口 | ||
3.16。CUDA 常见问题 | ||
4. CUDA Python 参考 | – | – |
4.1。CUDA 主机 API | ||
4.2。CUDA 内核 API | ||
4.3。内存管理 | ||
5. 用于 AMD ROC GPU 的 Numba | – | – |
5.1。概述 | ||
5.2。编写 HSA 内核 | ||
5.3。内存管理 | ||
5.4。编写设备功能 | ||
5.5。支持的原子操作 | ||
5.6。代理商 | ||
5.7。ROC Ufuncs 和广义 Ufuncs | ||
5.8。示例 | ||
6. 扩展 Numba | ||
6.1。高级扩展 API | ||
6.2。低级扩展 API | ||
6.3。示例:间隔类型 | ||
7. 开发者手册 | – | – |
7.1。贡献给 Numba | ||
7.2。Numba 建筑 | ||
7.3。多态调度 | ||
7.4。关于发电机的注意事项 | ||
7.5。关于 Numba Runtime 的注意事项 | ||
7.6。使用 Numba Rewrite Pass 获得乐趣和优化 | ||
7.7。实时变量分析 | ||
7.8。上市 | ||
7.9。模板注释 | ||
7.10。关于自定义管道的注意事项 | ||
7.11。环境对象 | ||
7.12。哈希 的注意事项 | ||
7.13。Numba 项目路线图 | ||
8. Numba 增强建议 | ||
9. 术语表 |
Scrapy 1.6 中文文档【校对】
参与方式:https://github.com/apachecn/s…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/s…
认领:1/44,翻译:1/44
章节 | 校对者 | 进度 |
---|---|---|
简介 | ||
Scrapy at a glance | ||
安装指南 | ||
Scrapy 教程 | @jiez1812 | 100% |
实例 | ||
命令行工具 | ||
Spider | ||
选择器 | ||
项目 | ||
项目加载器 | ||
Scrapy shell | ||
项目管道 | ||
Feed 导出 | ||
请求和响应 | ||
链接提取器 | ||
设置 | ||
例外情况 | ||
Logging | ||
统计数据集合 | ||
发送电子邮件 | ||
远程登录控制台 | ||
Web 服务 | ||
常见问题 | ||
调试 spiders | ||
Spider 合约 | ||
常用做法 | ||
通用爬虫 | ||
使用浏览器的开发人员工具进行抓取 | ||
调试内存泄漏 | ||
下载和处理文件和图像 | ||
部署 Spider | ||
AutoThrottle 扩展 | ||
Benchmarking | ||
作业:暂停和恢复爬行 | ||
体系结构概述 | ||
下载器中间件 | ||
Spider 中间件 | ||
扩展 | ||
核心 API | ||
信号 | ||
条目导出器 | ||
发行说明 | ||
为 Scrapy 贡献 | ||
版本控制和 API 稳定性 |
短篇集【校对】
参与方式:https://github.com/apachecn/m…
整体进度:https://github.com/apachecn/m…
项目仓库:https://github.com/apachecn/m…
关于卷积神经网络:认领:2/12,校对:2/12
章节 | 贡献者 | 进度 |
---|---|---|
关于卷积神经网络 | – | – |
1 | @daewis | 100% |
2.1.1-2.1.3 | @daewis | 100% |
2.1.4-2.1.6 | ||
2.2.1 | ||
2.2.2-2.2.3 | ||
2.3-2.4 | ||
3.1 | ||
3.2 | ||
3.3 | ||
3.4-3.5 | ||
4.1 | ||
4.2 |
写给不耐烦程序员的 JavaScript【校对】
参与方式:https://github.com/apachecn/i…
整体进度:https://github.com/apachecn/i…
项目仓库:https://github.com/apachecn/i…
认领:36/42,校对:33/42
章节 | 贡献者 | 进度 |
---|---|---|
1. 关于本书(ES2019 版) | @YouWillBe | 100% |
2. 常见问题:本书 | @huangzijian888 | 100% |
3. JavaScript 的历史和演变 | @t532 | 100% |
4. 常见问题:JavaScript | @t532 | 100% |
5. 概览 | @kj415j45 | 100% |
6. 语法 | @lq920320 | 100% |
7. 在控制台上打印信息(console.* ) | @lq920320 | 100% |
8. 断言 API | @lq920320 | 100% |
9. 测验和练习入门 | @so-hard | 100% |
10. 变量和赋值 | @so-hard | 100% |
11. 值 | @lq920320 | 100% |
12. 运算符 | @wizardforcel | 100% |
13. 非值 undefined 和null | @wizardforcel | 100% |
14. 布尔值 | @wizardforcel | 100% |
15. 数字 | @wizardforcel | 100% |
16. Math | @wizardforcel | 100% |
17. Unicode – 简要介绍(高级) | @wizardforcel | 100% |
18. 字符串 | @wizardforcel | 100% |
19. 使用模板字面值和标记模板 | @wizardforcel | 100% |
20. 符号 | @wizardforcel | 100% |
21. 控制流语句 | @wizardforcel | 100% |
22. 异常处理 | @t532 | |
23. 可调用值 | @t532 | |
24. 模块 | @t532 | |
25. 单个对象 | ||
26. 原型链和类 | @lq920320 | 100% |
27. 同步迭代 | @lq920320 | 100% |
28. 数组(Array ) | @52admln | 100% |
29. 类型化数组:处理二进制数据(高级) | ||
30. 映射(Map ) | @so-hard | 100% |
31. WeakMaps(WeakMap ) | ||
32. 集(Set ) | @liuyepiaoxiang | 100% |
33. WeakSets(WeakSet ) | ||
34. 解构 | @Kavelaa | 100% |
35. 同步生成器(高级) | ||
36. JavaScript 中的异步编程 | @Kavelaa | 100% |
37. 异步编程的 Promise | @iChrisJ | 100% |
38. 异步函数 | @iChrisJ | 100% |
39. 正则表达式(RegExp ) | @iChrisJ | 100% |
40. 日期(Date ) | @facebesidewyj | 100% |
41. 创建和解析 JSON(JSON ) | ||
42. 其余章节在哪里? | @wizardforcel | 100% |
seaborn 0.9 中文文档【翻译】
参与方式:https://github.com/apachecn/s…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/s…
认领:72/74,翻译:70/74
序号 | 章节 | 译者 | 进度 | |
---|---|---|---|---|
1 | An introduction to seaborn | @yiran7324 | 100% | |
2 | Installing and getting started | @neolei | 100% | |
3 | Visualizing statistical relationships | @JNJYan | 100% | |
4 | Plotting with categorical data | @hold2010 | 100% | |
5 | Visualizing the distribution of a dataset | @alohahahaha | 100% | |
6 | Visualizing linear relationships | @cancan233 | 100% | |
7 | Building structured multi-plot grids | @keyianpai | 100% | |
8 | Controlling figure aesthetics | @P3n9W31 | 100% | |
9 | Choosing color palettes | @Modrisco | 100% | |
10 | seaborn.relplot | @Stuming | 100% | |
11 | seaborn.scatterplot | @sfw134 | ||
12 | seaborn.lineplot | |||
13 | seaborn.catplot | @LIJIANcoder97 | 100% | |
14 | seaborn.stripplot | @LIJIANcoder97 | 100% | |
15 | seaborn.swarmplot | @LIJIANcoder97 | 100% | |
16 | seaborn.boxplot | @FindNorthStar | 100% | |
17 | seaborn.violinplot | @FindNorthStar | 100% | |
18 | seaborn.boxenplot | @FindNorthStar | 100% | |
19 | seaborn.pointplot | @FindNorthStar | 100% | |
20 | seaborn.barplot | @melon-bun | 100% | |
21 | seaborn.countplot | @Stuming | 100% | |
22 | seaborn.jointplot | @Stuming | 100% | |
23 | seaborn.pairplot | @Stuming | ||
24 | seaborn.distplot | @hyuuo | 100% | |
25 | seaborn.kdeplot | @hyuuo | 100% | |
26 | seaborn.rugplot | @P3n9W31 | 100% | |
27 | seaborn.lmplot | @P3n9W31 | 100% | |
28 | seaborn.regplot | @P3n9W31 | 100% | |
29 | seaborn.residplot | @P3n9W31 | 100% | |
30 | seaborn.heatmap | @hyuuo | 100% | |
31 | seaborn.clustermap | |||
32 | seaborn.FacetGrid | @hyuuo | 100% | |
33 | seaborn.FacetGrid.map | @sfw134 | 100% | |
34 | seaborn.FacetGrid.map_dataframe | @sfw134 | 100% | |
35 | seaborn.PairGrid | @sfw134 | 100% | |
36 | seaborn.PairGrid.map | @sfw134 | 100% | |
37 | seaborn.PairGrid.map_diag | @sfw134 | 100% | |
38 | seaborn.PairGrid.map_offdiag | @sfw134 | 100% | |
39 | seaborn.PairGrid.map_lower | @sfw134 | 100% | |
40 | seaborn.PairGrid.map_upper | @sfw134 | 100% | |
41 | seaborn.JointGrid | @Yet-sun | 100% | |
42 | seaborn.JointGrid.plot | @Yet-sun | 100% | |
43 | seaborn.JointGrid.plot_joint | @Yet-sun | 100% | |
44 | seaborn.JointGrid.plot_marginals | @Yet-sun | 100% | |
45 | seaborn.set | @lbllol365 | 100% | |
46 | seaborn.axes_style | @lbllol365 | 100% | |
47 | seaborn.set_style | @lbllol365 | 100% | |
48 | seaborn.plotting_context | @cancan233 | 100% | |
49 | seaborn.set_context | @cancan233 | 100% | |
50 | seaborn.set_color_codes | @cancan233 | 100% | |
51 | seaborn.reset_defaults | @cancan233 | 100% | |
52 | seaborn.reset_orig | @cancan233 | 100% | |
53 | seaborn.set_palette | @Modrisco | 100% | |
54 | seaborn.color_palette | @Modrisco | 100% | |
55 | seaborn.husl_palette | @Modrisco | 100% | |
56 | seaborn.hls_palette | @Modrisco | 100% | |
57 | seaborn.cubehelix_palette | @Modrisco | 100% | |
58 | seaborn.dark_palette | @Modrisco | 100% | |
59 | seaborn.light_palette | @Modrisco | 100% | |
60 | seaborn.diverging_palette | @Modrisco | 100% | |
61 | seaborn.blend_palette | @Modrisco | 100% | |
62 | seaborn.xkcd_palette | @Modrisco | 100% | |
63 | seaborn.crayon_palette | @Modrisco | 100% | |
64 | seaborn.mpl_palette | @Modrisco | 100% | |
65 | seaborn.choose_colorbrewer_palette | @Modrisco | 100% | |
66 | seaborn.choose_cubehelix_palette | @Modrisco | 100% | |
67 | seaborn.choose_light_palette | @Modrisco | 100% | |
68 | seaborn.choose_dark_palette | @Modrisco | 100% | |
69 | seaborn.choose_diverging_palette | @Modrisco | 100% | |
70 | seaborn.load_dataset | @Modrisco | 100% | |
71 | seaborn.despine | @Modrisco | 100% | |
72 | seaborn.desaturate | @Modrisco | 100% | |
73 | seaborn.saturate | @Modrisco | 100% | |
74 | seaborn.set_hls_values | @Modrisco | 100% |
Git 中文参考【校对】
参与方式:https://github.com/apachecn/g…
整体进度:https://github.com/apachecn/g…
项目仓库:https://github.com/apachecn/g…
认领:13/80,校对:13/80
序号 | 章节 | 贡献者 | 进度 |
---|---|---|---|
1 | git | ||
2 | git-config | @honglyua | 100% |
3 | git-help | @honglyua | 100% |
4 | git-init | @honglyua | 100% |
5 | git-clone | @honglyua | 100% |
6 | git-add | @yulezheng | 100% |
7 | git-status | @honglyua | 100% |
8 | git-diff | @honglyua | 100% |
9 | git-commit | ||
10 | git-reset | @honglyua | 100% |
11 | git-rm | @honglyua | 100% |
12 | git-mv | @honglyua | 100% |
13 | git-branch | @honglyua | 100% |
14 | git-checkout | ||
15 | git-merge | ||
16 | git-mergetool | ||
17 | git-log | ||
18 | git-stash | ||
19 | git-tag | ||
20 | git-worktree | ||
21 | git-fetch | ||
22 | git-pull | @Mrhuangyi | 100% |
23 | git-push | @Mrhuangyi | 100% |
24 | git-remote | ||
25 | git-submodule | ||
26 | git-show | ||
27 | git-log | ||
29 | git-shortlog | ||
30 | git-describe | ||
31 | git-apply | ||
32 | git-cherry-pick | ||
34 | git-rebase | ||
35 | git-revert | ||
36 | git-bisect | ||
37 | git-blame | ||
38 | git-grep | ||
39 | gitattributes | ||
40 | giteveryday | ||
41 | gitglossary | ||
42 | githooks | ||
43 | gitignore | ||
44 | gitmodules | ||
45 | gitrevisions | ||
46 | gittutorial | ||
47 | gitworkflows | ||
48 | git-am | ||
50 | git-format-patch | ||
51 | git-send-email | ||
52 | git-request-pull | ||
53 | git-svn | ||
54 | git-fast-import | ||
55 | git-clean | ||
56 | git-gc | ||
57 | git-fsck | ||
58 | git-reflog | ||
59 | git-filter-branch | ||
60 | git-instaweb | ||
61 | git-archive | ||
62 | git-bundle | ||
63 | git-daemon | ||
64 | git-update-server-info | ||
65 | git-cat-file | ||
66 | git-check-ignore | ||
67 | git-checkout-index | ||
68 | git-commit-tree | ||
69 | git-count-objects | ||
70 | git-diff-index | ||
71 | git-for-each-ref | ||
72 | git-hash-object | ||
73 | git-ls-files | ||
74 | git-merge-base | ||
75 | git-read-tree | ||
76 | git-rev-list | ||
77 | git-rev-parse | ||
78 | git-show-ref | ||
79 | git-symbolic-ref | ||
80 | git-update-index | ||
81 | git-update-ref | ||
82 | git-verify-pack | ||
83 | git-write-tree |
HBase 3.0 中文参考指南【校对】
参与方式:https://github.com/apachecn/h…
整体进度:https://github.com/apachecn/h…
项目仓库:https://github.com/apachecn/h…
认领:14/31,校对:14/31
章节 | 贡献者 | 进度 |
---|---|---|
Preface | @xixici | 100% |
Getting Started | @xixici | 100% |
Apache HBase Configuration | @xixici | 100% |
Upgrading | @xixici | 100% |
The Apache HBase Shell | @xixici | 100% |
Data Model | ||
HBase and Schema Design | @RaymondCode | 100% |
RegionServer Sizing Rules of Thumb | ||
HBase and MapReduce | @BridgetLai | 100% |
Securing Apache HBase | ||
Architecture | ||
In-memory Compaction | @mychaow | 100% |
Backup and Restore | @mychaow | 100% |
Synchronous Replication | @mychaow | 100% |
Apache HBase APIs | @xixici | 100% |
Apache HBase External APIs | @xixici | 100% |
Thrift API and Filter Language | @xixici | 100% |
HBase and Spark | @TsingJyujing | 100% |
Apache HBase Coprocessors | ||
Apache HBase Performance Tuning | ||
Troubleshooting and Debugging Apache HBase | ||
Apache HBase Case Studies | ||
Apache HBase Operational Management | ||
Building and Developing Apache HBase | ||
Unit Testing HBase Applications | ||
Protobuf in HBase | ||
Procedure Framework (Pv2): HBASE-12439 | ||
AMv2 Description for Devs | ||
ZooKeeper | ||
Community | ||
Appendix |
UCB Prob140:面向数据科学的概率论【翻译】
参与方式:https://github.com/apachecn/p…
整体进度:https://github.com/apachecn/p…
项目仓库:https://github.com/apachecn/p…
认领:23/28,翻译:23/28
标题 | 译者 | 翻译进度 |
---|---|---|
一、基础 | 飞龙 | 100% |
二、计算几率 | 飞龙 | 100% |
三、随机变量 | 飞龙 | 100% |
四、事件之间的关系 | @biubiubiuboomboomboom | 100% |
五、事件集合 | – | – |
5.1 ~5.3 | @PEGASUS1993 | 100% |
5.4 | ||
六、随机计数 | @viviwong | 100% |
七、泊松化 | @YAOYI626 | 100% |
八、期望 | – | – |
8.1 ~ 8.2 | @PEGASUS1993 | 100% |
8.3 | ||
九、条件(续) | @YAOYI626 | 100% |
十、马尔科夫链 | 喵十八 | 100% |
十一、马尔科夫链(续) | 喵十八 | 100% |
十二、标准差 | 缺只萨摩 | 100% |
十三、方差和协方差 | 缺只萨摩 | 100% |
十四、中心极限定理 | 喵十八 | 100% |
十五、连续分布 | ||
十六、变换 | @hellozhaihy | 100% |
十七、联合密度 | @Winchester-Yi | 100% |
十八、正态和 Gamma 族 | @Winchester-Yi | 100% |
十九、和的分布 | 平淡的天 | 100% |
二十、估计方法 | 平淡的天 | 100% |
二十一、Beta 和二项 | @lvzhetx | 100% |
二十二、预测 | – | – |
22.1 | @lvzhetx | 100% |
22.2 ~ 22.4 | ||
二十三、联合正态随机变量 | ||
二十四、简单线性回归 | @ThomasCai | 100% |
二十五、多元回归 | @lanhaixuan | 100% |
Machine Learning Mastery【校对】
参与方式:https://github.com/apachecn/m…
整体进度:https://github.com/apachecn/m…
项目仓库:https://github.com/apachecn/m…
Keras:认领:4/46,校对:3/46
XGBoost:认领:0/18,校对:0/18
章节 | 贡献者 | 进度 |
---|---|---|
深度学习与 Keras | – | – |
Keras 中神经网络模型的 5 步生命周期 | @ElmaDavies | 100% |
在 Python 迷你课程中应用深度学习 | @ElmaDavies | 100% |
Keras 深度学习库的二元分类教程 | @ElmaDavies | 100% |
如何用 Keras 构建多层感知器神经网络模型 | @Lnssssss | |
如何在 Keras 中检查深度学习模型 | ||
10 个用于 Amazon Web Services 深度学习的命令行秘籍 | ||
机器学习卷积神经网络的速成课程 | ||
如何在 Python 中使用 Keras 进行深度学习的度量 | ||
深度学习书籍 | ||
深度学习课程 | ||
你所知道的深度学习是一种谎言 | ||
如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型(分步) | ||
神经网络中批量和迭代之间的区别是什么? | ||
在 Keras 展示深度学习模型训练历史 | ||
基于 Keras 的深度学习模型中的 dropout 正则化 | ||
评估 Keras 中深度学习模型的表现 | ||
如何评价深度学习模型的技巧 | ||
小批量梯度下降的简要介绍以及如何配置批量大小 | ||
在 Keras 中获得深度学习帮助的 9 种方法 | ||
如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数 | ||
用 Keras 在 Python 中使用卷积神经网络进行手写数字识别 | ||
如何用 Keras 进行预测 | ||
用 Keras 进行深度学习的图像增强 | ||
8 个深度学习的鼓舞人心的应用 | ||
Python 深度学习库 Keras 简介 | ||
Python 深度学习库 TensorFlow 简介 | ||
Python 深度学习库 Theano 简介 | ||
如何使用 Keras 函数式 API 进行深度学习 | ||
Keras 深度学习库的多类分类教程 | ||
多层感知器神经网络速成课程 | ||
基于卷积神经网络的 Keras 深度学习库中的目标识别 | ||
流行的深度学习库 | ||
用深度学习预测电影评论的情感 | ||
Python 中的 Keras 深度学习库的回归教程 | ||
如何使用 Keras 获得可重现的结果 | ||
如何在 Linux 服务器上运行深度学习实验 | ||
保存并加载您的 Keras 深度学习模型 | ||
用 Keras 逐步开发 Python 中的第一个神经网络 | ||
用 Keras 理解 Python 中的有状态 LSTM 循环神经网络 | ||
在 Python 中使用 Keras 深度学习模型和 Scikit-Learn | ||
如何使用预训练的 VGG 模型对照片中的物体进行分类 | ||
在 Python 和 Keras 中对深度学习模型使用学习率调度 | ||
如何在 Keras 中可视化深度学习神经网络模型 | ||
什么是深度学习? | ||
何时使用 MLP,CNN 和 RNN 神经网络 | ||
为什么用随机权重初始化神经网络? | ||
XGBoost | – | – |
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合 | ||
如何在 Python 中调优 XGBoost 的多线程支持 | ||
如何配置梯度提升算法 | ||
在 Python 中使用 XGBoost 进行梯度提升的数据准备 | ||
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型 | ||
如何在 Python 中使用 XGBoost 评估梯度提升模型 | ||
在 Python 中使用 XGBoost 的特征重要性和特征选择 | ||
浅谈机器学习的梯度提升算法 | ||
应用机器学习的 XGBoost 简介 | ||
如何在 macOS 上为 Python 安装 XGBoost | ||
如何在 Python 中使用 XGBoost 保存梯度提升模型 | ||
从梯度提升开始,比较 165 个数据集上的 13 种算法 | ||
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升 | ||
如何使用 Amazon Web Services 在云中训练 XGBoost 模型 | ||
在 Python 中使用 XGBoost 调整梯度提升的学习率 | ||
如何在 Python 中使用 XGBoost 调整决策树的数量和大小 | ||
如何在 Python 中使用 XGBoost 可视化梯度提升决策树 | ||
在 Python 中开始使用 XGBoost 的 7 步迷你课程 |
Pytorch 1.0 中文文档【校对】
参与方式:https://github.com/apachecn/p…
整体进度:https://github.com/apachecn/p…
项目仓库:https://github.com/apachecn/p…
认领:29/85,校对:20/85
章节 | 校验者 | 进度 | |
---|---|---|---|
教程部分 | – | – | |
Deep Learning with PyTorch: A 60 Minute Blitz | @FontTian | 100% | |
What is PyTorch? | @FontTian | 100% | |
Autograd: Automatic Differentiation | @FontTian | 100% | |
Neural Networks | @FontTian | 100% | |
Training a Classifier | @FontTian | 100% | |
Optional: Data Parallelism | @FontTian | 100% | |
Data Loading and Processing Tutorial | @dyywinner | 100% | |
Learning PyTorch with Examples | |||
Transfer Learning Tutorial | @infdahai | 100% | |
Deploying a Seq2Seq Model with the Hybrid Frontend | @FontTian | 100% | |
Saving and Loading Models | @luxinfeng | ||
What is torch.nn really? | @luxinfeng | ||
Finetuning Torchvision Models | @luxinfeng | ||
Spatial Transformer Networks Tutorial | |||
Neural Transfer Using PyTorch | @AllenZYJ | ||
Adversarial Example Generation | |||
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX | |||
Chatbot Tutorial | @jiangzhonglian | 100% | |
Generating Names with a Character-Level RNN | @hijkzzz | 100% | |
Classifying Names with a Character-Level RNN | @hijkzzz | ||
Deep Learning for NLP with Pytorch | @FontTian | 100% | |
Introduction to PyTorch | @FontTian | 100% | |
Deep Learning with PyTorch | @FontTian | 100% | |
Word Embeddings: Encoding Lexical Semantics | |||
Sequence Models and Long-Short Term Memory Networks | @FontTian | 100% | |
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF | @enningxie | 100% | |
Translation with a Sequence to Sequence Network and Attention | @FontTian | 100% | |
DCGAN Tutorial | @jiangzhonglian | 100% | |
Reinforcement Learning (DQN) Tutorial | |||
Creating Extensions Using numpy and scipy | @FontTian | 100% | |
Custom C++ and CUDA Extensions | |||
Extending TorchScript with Custom C++ Operators | |||
Writing Distributed Applications with PyTorch | |||
PyTorch 1.0 Distributed Trainer with Amazon AWS | |||
ONNX Live Tutorial | |||
Loading a PyTorch Model in C++ | |||
Using the PyTorch C++ Frontend | |||
文档部分 | – | – | |
Autograd mechanics | |||
Broadcasting semantics | |||
CUDA semantics | |||
Extending PyTorch | |||
Frequently Asked Questions | |||
Multiprocessing best practices | |||
Reproducibility | @bruce1408 | ||
Serialization semantics | |||
Windows FAQ | |||
torch | |||
Tensors | @dyywinner | ||
Random sampling | |||
Serialization, Parallelism, Utilities | |||
Pointwise Ops | |||
Reduction Ops | |||
Comparison Ops | |||
Spectral Ops | |||
Other Operations | |||
BLAS and LAPACK Operations | |||
torch.Tensor | |||
Tensor Attributes | |||
Type Info | |||
torch.sparse | |||
torch.cuda | |||
torch.Storage | |||
torch.nn | |||
torch.nn.functional | @Originval | 100% | |
torch.nn.init | @dyywinner | ||
torch.optim | @zonasw | ||
Automatic differentiation package – torch.autograd | |||
Distributed communication package – torch.distributed | |||
Probability distributions – torch.distributions | |||
Torch Script | |||
Multiprocessing package – torch.multiprocessing | |||
torch.utils.bottleneck | |||
torch.utils.checkpoint | |||
torch.utils.cpp_extension | |||
torch.utils.data | |||
torch.utils.dlpack | |||
torch.hub | |||
torch.utils.model_zoo | |||
torch.onnx | |||
Distributed communication package (deprecated) – torch.distributed.deprecated | |||
torchvision Reference | |||
torchvision.datasets | |||
torchvision.models | |||
torchvision.transforms | |||
torchvision.utils |
OpenCV 4.0 中文教程【校对】
参与方式:https://github.com/apachecn/o…
整体进度:https://github.com/apachecn/o…
项目仓库:https://github.com/apachecn/o…
认领:50/51,校对:45/51。
章节 | 贡献者 | 进度 |
---|---|---|
1. 简介 | – | |
1.1 OpenCV-Python 教程简介 | @wstone0011 | 100% |
1.2 安装 OpenCV—Python | @wstone0011 | 100% |
2. GUI 功能 | – | |
2.1 图像入门 | @ranxx | 100% |
2.2 视频入门 | @ranxx | 100% |
2.3 绘图功能 | @ranxx | 100% |
2.4 鼠标作为画笔 | @ranxx | 100% |
2.5 作为调色板的跟踪栏 | @ranxx | 100% |
3. 核心操作 | – | |
3.1 图像基本操作 | @luxinfeng | 100% |
3.2 图像的算术运算 | @luxinfeng | 100% |
3.3 性能测量和改进技术 | @luxinfeng | 100% |
4. 图像处理 | – | |
4.1 更改颜色空间 | @friedhelm739 | 100% |
4.2 图像的几何变换 | @friedhelm739 | 100% |
4.3 图像阈值 | @friedhelm739 | 100% |
4.4 平滑图像 | @friedhelm739 | 100% |
4.5 形态转换 | @friedhelm739 | 100% |
4.6 图像梯度 | @friedhelm739 | 100% |
4.7 Canny 边缘检测 | @wxh928408225 | 100% |
4.8 影像金字塔 | @wxh928408225 | 100% |
4.9 轮廓 | @wxh928408225 | 100% |
4.10 直方图 | @wxh928408225 | 100% |
4.11 图像转换 | @wxh928408225 | |
4.12 模板匹配 | @wxh928408225 | |
4.13 霍夫线变换 | @wxh928408225 | |
4.14 霍夫圆变换 | @wxh928408225 | |
4.15 基于分水岭算法的图像分割 | @wxh928408225 | |
4.16 基于 GrabCut 算法的交互式前景提取 | ||
5. 特征检测和描述 | – | |
5.1 了解功能 | @3lackrush | 100% |
5.2 Harris 角点检测 | @lyrich | 100% |
5.3 Shi-Tomasi 角点检测和追踪的良好特征 | @lyrich | 100% |
5.4 SIFT 简介(尺度不变特征变换) | @lyrich | 100% |
5.5 SURF 简介(加速鲁棒特性) | @lyrich | 100% |
5.6 角点检测的 FAST 算法 | @lyrich | 100% |
5.7 简介(二进制鲁棒独立基本特征) | @lyrich | 100% |
5.8 ORB(定向快速和快速旋转) | @lyrich | 100% |
5.9 特征匹配 | @lyrich | 100% |
5.10 特征匹配 + Homography 查找对象 | @lyrich | 100% |
6. 视频分析 | – | |
6.1 Meanshift 和 Camshift | @xmmmmmovo | 100% |
6.2 光流 | @xmmmmmovo | 100% |
6.3 背景减法 | @xmmmmmovo | 100% |
7. 相机校准和 3D 重建 | – | |
7.1 相机校准 | @xmmmmmovo | 100% |
7.2 姿势估计 | @xmmmmmovo | 100% |
7.3 极线几何 | @xmmmmmovo | 100% |
7.4 立体图像的深度图 | @xmmmmmovo | 100% |
8. 机器学习 | – | |
8.1 K- 最近邻 | @wstone0011 | 100% |
8.2 支持向量机(SVM) | @wstone0011 | 100% |
8.3 K-Means 聚类 | @wstone0011 | 100% |
9. 计算摄影 | – | |
9.1 图像去噪 | @loganjingdi | 100% |
9.2 图像修复 | @loganjingdi | 100% |
9.3 高动态范围(HDR) | @loganjingdi | 100% |
10. 目标检测 | – | |
10.1 使用 Haar Cascades 进行人脸检测 | @jiangzhonglian | 100% |
11. OpenCV-Python 绑定 | – | |
11.1 OpenCV-Python 绑定如何工作? | @daidai21 | 100% |
Sklearn 0.21 中文文档【校对】
参与方式:https://github.com/apachecn/s…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/s…
认领:17/72,校对:10/72
章节 | 校验者 | 进度 |
---|---|---|
安装 scikit-learn | ||
用户指南 | – | – |
1. 监督学习 | ||
1.1. 广义线性模型 | @qinhanmin2014 | 100% |
1.2. 线性和二次判别分析 | @VPrincekin | 100% |
1.3. 内核岭回归 | @qinhanmin2014 | 100% |
1.4. 支持向量机 | @qinhanmin2014 | 100% |
1.5. 随机梯度下降 | @qinhanmin2014 | 100% |
1.6. 最近邻 | @qinhanmin2014 | 100% |
1.7. 高斯过程 | ||
1.8. 交叉分解 | ||
1.9. 朴素贝叶斯 | ||
1.10. 决策树 | @ReneeGithub | |
1.11. 集成方法 | ||
1.12. 多类和多标签算法 | ||
1.13. 特征选择 | ||
1.14. 半监督学习 | ||
1.15. 等式回归 | ||
1.16. 概率校准 | ||
1.17. 神经网络模型(有监督) | ||
2. 无监督学习 | ||
2.1. 高斯混合模型 | @barrycg | 100% |
2.2. 流形学习 | @barrycg | 100% |
2.3. 聚类 | @barrycg | |
2.4. 双聚类 | @barrycg | |
2.5. 分解成分中的信号(矩阵分解问题) | ||
2.6. 协方差估计 | ||
2.7. 新奇和异常值检测 | ||
2.8. 密度估计 | ||
2.9. 神经网络模型(无监督) | ||
3. 模型选择和评估 | ||
3.1. 交叉验证:评估估算器的表现 | ||
3.2. 调整估计器的超参数 | ||
3.3. 模型评估: 量化预测的质量 | ||
3.4. 模型持久化 | ||
3.5. 验证曲线: 绘制分数以评估模型 | ||
4. 检验 | ||
4.1. 部分依赖图 | ||
5. 数据集转换 | @VPrincekin | 100% |
5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器 | @VPrincekin | 20% |
5.2. 特征提取 | @VPrincekin | |
5.3 预处理数据 | @VPrincekin | |
5.4 缺失值插补 | @VPrincekin | |
5.5. 无监督降维 | @VPrincekin | |
5.6. 随机投影 | ||
5.7. 内核近似 | ||
5.8. 成对的矩阵, 类别和核函数 | ||
5.9. 预测目标 (y ) 的转换 | ||
6. 数据集加载工具 | ||
6.1. 通用数据集 API | ||
6.2. 玩具数据集 | ||
6.3 真实世界中的数据集 | ||
6.4. 样本生成器 | ||
6.5. 加载其他数据集 | ||
7. 使用 scikit-learn 计算 | ||
7.1. 大规模计算的策略: 更大量的数据 | ||
7.2. 计算性能 | ||
7.3. 并行性、资源管理和配置 | ||
教程 | ||
使用 scikit-learn 介绍机器学习 | ||
关于科学数据处理的统计学习教程 | ||
机器学习: scikit-learn 中的设置以及预估对象 | ||
监督学习:从高维观察预测输出变量 | ||
模型选择:选择估计量及其参数 | ||
无监督学习: 寻求数据表示 | ||
把它们放在一起 | ||
寻求帮助 | ||
处理文本数据 | ||
选择正确的评估器(estimator.md) | ||
外部资源,视频和谈话 | ||
API 参考 | ||
常见问题 | ||
时光轴 |
认领完毕
UCB CS61b:Java 中的数据结构【翻译】
参与方式:https://github.com/apachecn/c…
整体进度:https://github.com/apachecn/c…
项目仓库:https://github.com/apachecn/c…
认领:12/12,翻译:11/12
笔记整理活动
CS224n 自然语言处理
参与方式:https://github.com/apachecn/s…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/s…
认领:9/20,整理:8/20
章节 | 贡献者 | 进度 |
---|---|---|
Lecture 1 | @cx123cx456 | 100% |
Lecture 2 | @AllenZYJ | |
Lecture 3 | @cx123cx456 | 100% |
Lecture 4 | @ZSIRS | 100% |
Lecture 5 | @ZSIRS | 100% |
Lecture 6 | @ZSIRS | 100% |
Lecture 7 | ||
Lecture 8 | ||
Lecture 9 | ||
Lecture 10 | ||
Lecture 11 | @Originval | 100% |
Lecture 12 | ||
Lecture 13 | ||
Lecture 14 | ||
Lecture 15 | ||
Lecture 16 | ||
Lecture 17 | @pingjing233 | 100% |
Lecture 18 | ||
Lecture 19 | ||
Lecture 20 | @Willianan | 100% |
斯坦福博弈论
参与方式:https://github.com/apachecn/s…
整体进度:https://github.com/apachecn/s…
项目仓库:https://github.com/apachecn/s…
认领:7/33,整理:0/33
章节 | 贡献者 | 进度 |
---|---|---|
Game Theory I week 1 | @sorrowyn | |
Game Theory I week 2 | @LINXH9898 | |
Game Theory I week 3 | @LINXH9898 | |
Game Theory I week 4 | @LINXH9898 | |
Game Theory I week 5 | @LINXH9898 | |
Game Theory I week 6 | @LINXH9898 | |
Game Theory I week 7 | @LINXH9898 | |
Game Theory II week 1 Social Choice: Taste | ||
Game Theory II week 1 Social Choice: Voting Schemes | ||
Game Theory II week 1 Social Choice: Paradoxical Outcomes | ||
Game Theory II week 1 Social Choice: Impossibility of Non-Paradoxical Social Welfare Functions | ||
Game Theory II week 1 Social Choice: Arrow’s Theorem | ||
Game Theory II week 1 Impossible of Non-paradoxical Social Choice Functions | ||
Game Theory II week 1 Single-Peaked Preferences | ||
Game Theory II week 2 Mechanism Design: Taste | ||
Game Theory II week 2 Mechanism Design: Implementation | ||
Game Theory II week 2 Revelation Principle | ||
Game Theory II week 2 Impossibility of General, Dominant-Strategy Implementation | ||
Game Theory II week 2 Transferable Utility | ||
Game Theory II week 2 Mechanism Design as an Optimization Problem | ||
Game Theory II week 3 VCG: Taste | ||
Game Theory II week 3 Vickrey-Clarke-Groves Mechanisms: Definitions | ||
Game Theory II week 3 VCG Example | ||
Game Theory II week 3 Limitations of VCG | ||
Game Theory II week 3 Individual Rationality and Budget Balance in VCG | ||
Game Theory II week 3 Myerson-Satterthwaite Theorem | ||
Game Theory II week 4 Auctions: Taste | ||
Game Theory II week 4 Auctions: Taxonomy | ||
Game Theory II week 4 Bidding in Second-Price Auctions | ||
Game Theory II week 4 Bidding in First-Price Auctions | ||
Game Theory II week 4 Revenue Equivalence | ||
Game Theory II week 4 Optimal Auctions | ||
Game Theory II week 4 More Advanced Auctions |
关于我们
我们是一个大型开源社区,旗下 QQ 群共一万余人,订阅用户至少一万人。Github Star 数量超过 40k 个,在所有 Github 组织中排名前 150。网站日 uip 超过 4k,Alexa 排名的峰值为 20k。我们的核心成员拥有 CSDN 博客专家和简书程序员优秀作者认证。我们与 Datawhale、AI 有道、黄海广博士等国内知名开源组织和大 V 合作,组织公益性的翻译活动、学习活动和比赛组队活动。
与商业组织不同,我们并不会追逐热点,或者唯利是图。作为公益组织,我们将完成项目放在首要位置,并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西,打造真正有价值的长尾作品。
除了以上组织或个人,我们还要感谢苍海国际、黑客派、GirlsInAI、DataSciComp、SeanCheney、AI 科技大本营的创意和支持。
- 【导航】docs.apachecn.org
- 【归档】home.apachecn.org
- 【社区】ibooker.org.cn/forums
- 【Github】@ApacheCN
- 【邮件订阅】notice.ibooker.org.cn
- 【知识星球】ApacheCN
自媒体平台
- 微博:@ApacheCN
- 知乎专栏:AILearning
- 公众号:ApacheCN
- CSDN | 博客园 | OSChina | SF | 掘金
- 简书 | 搜狐号 | 头条号 | bilibili
- We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
- 合作 or 侵权,请联系 <apachecn@163.com> | 请抄送一份到 <wizard.z@foxmail.com>