关于机器学习:边玩边学交互式可视化图解快收藏这18个机器学习和数据科学网站⛵

机器学习算法实践比拟枯燥乏味,但有许多乏味且有用的网站,您能够像游戏一样交互式操作,并同时学习机器学习概念、模型和利用常识。以下是 ShowMeAI 为大家整顿的18个交互式机器学习网站,学起来!


💡 作者:韩信子@ShowMeAI
📘 机器学习实战系列:https://www.showmeai.tech/tutorials/41
📘 深度学习实战系列:https://www.showmeai.tech/tutorials/42
📘 本文地址:https://www.showmeai.tech/article-detail/340
📢 申明:版权所有,转载请分割平台与作者并注明出处
📢 珍藏ShowMeAI查看更多精彩内容

机器学习的很多算法实践十分枯燥乏味,但有许多乏味且有用的网站,您能够像游戏一样交互式操作,并同时学习机器学习概念、模型和利用常识。以下是 ShowMeAI 为大家整顿的18个交互式机器学习网站,快快来一起体验一下吧,好玩又好学。

💡 Image-to-Image 在线变换

在这个网站上,您能够执行图像到图像的转换。在左侧,您能够草绘或创建对象的一些简略示意。而后解决数据,让模型在右侧生成更实在的图像。

📘 Image-to-Image Demo: Interactive Image Translation with pix2pix-tensorflow

💡 GAN 在线实验室

在这里,您能够理解无关生成反抗网络(GAN)的学习过程的更多信息并对其进行可视化。

📘 GAN Lab

💡 素描 RNN 在线作图

在这个网站上,您首先抉择一个物体或动物,而后开始素描。而后,在您放开笔后,神经网络将持续您的草图以创建对象/动物。

📘 magenta: sketch rnn

💡 AI 聊天写故事机器人

在 AI Dungeon 中,您能够在与 AI 聊天机器人交互时动态创建故事。您能够抉择不同的世界或场景,或者将故事引向您想要的任何方向。

📘 AI Dungeon

💡 Tensorflow Embedding 投射器

Tensorflow Embedding 投射器是一个很棒的AI可视化平台,咱们能够通过它应用不同的降维技术在 2D 或 3D 中可视化高维数据。它反对上传本人的数据并将其可视化。

📘 Embedding Projector

💡 艺术品降维动静可视化

和下面的 TensorFlow embedding 投射器很像,这个网站利用雷同的技术,把好多件艺术品投射和进行降维可视化。

📘 The Beginner’s Guide to Dimensionality Reduction

💡 TensorFlow 游乐场

十分可玩的神经网络交互训练网站!咱们能够通过更改层、神经元数量、激活函数和其余参数来模仿用于回归或分类的前馈神经网络,而后将后果可视化。是一个对初学者有用的学习资源。

📘 TensorFlow playground

💡 可视化 K-Means 聚类

这是一个交互式演示聚类算法的网站,您能够浏览学习和逐渐操作 K-Means 聚类算法,并进行可视化。

📘 Visualizing K-Means Clustering

💡 图解机器学习模型

这是一个图解机器学习算法的网站,蕴含两个局部。

📘 Visual intro to Machine Learning Part 1

📘 Visual intro to Machine Learning Part 2

💡 Streamlit 案例展

Streamlit 是一个 Web 应用程序框架,次要针对数据和机器学习应用程序。上面网站是一个案例集,蕴含应用该框架生成的多个AI应用程序。

📘 Streamlit templates

💡 逻辑回归可视化交互式解说

上面网站是一个可视化和交互式教程,咱们能够在其中学习逻辑回归的基础知识:例如它是如何工作的,它是如何拟合的,以及如何解释系数。

📘 Logistic Regression

💡 CNN 交互式解释器

上面网站是一个交互式CNN(卷积神经网络)学习与操作及可视化解释的教程,开展解说了卷积神经网络的细节。

📘 CNN Explainer

💡 Kernel Density Estimation 核密度估计

学习统计常识的优良交互式网站,尤其是针对Kernel Density Estimation/核密度估计统计技术做了可视化和图解交互式教程。

📘 Kernel Density Estimation

💡 Probability distributions 概率分布交互式解说

学习统计常识的优良交互式网站,尤其是针对Probability distributions/概率分布做了可视化和图解交互式教程。

📘 Probability distributions

💡 Hugging Face Spaces 数千AI实例

Hugging Face Spaces 是驰名工具 HuggingFace transformers 的社区,它蕴含社区人员奉献的数以千计的AI实例。

📘 Hugging Face Spaces

💡 ConvNetJS 深度学习利用实例

这个网站蕴含很多深度学习利用实例,大家能够通过操作学习不同的统计、机器学习甚至强化学习常识,并和对应的AI应用程序进行交互。

📘 ConvNetJS

💡 Keras.js 在浏览器中运行 Keras 模型

通过 Keras.js 构建的AI利用,在这个网站上你能够交互加载和运行不同的AI模型,测试它们的性能并可视化他们的架构。

📘 Keras.js

💡 Quick Draw 你画我猜

这个网站是经典的你画我猜游戏,AI通过你简略的绘画猜想你绘制的内容,齐全实时和主动。快来试一下吧!

📘 Quick Draw

参考资料

  • 📘 Image-to-Image Demo: Interactive Image Translation with pix2pix-tensorflow:https://affinelayer.com/pixsrv/
  • 📘 GAN Lab:https://poloclub.github.io/ganlab/
  • 📘 magenta: sketch rnn:https://magenta.tensorflow.org/assets/sketch_rnn_demo/index.html
  • 📘 AI Dungeon:https://play.aidungeon.io/main/home
  • 📘 Embedding Projector:https://projector.tensorflow.org/
  • 📘 The Beginner’s Guide to Dimensionality Reduction:https://dimensionality-reduction-293e465c2a3443e8941b016d.vercel.app/
  • 📘 TensorFlow playground:https://playground.tensorflow.org
  • 📘 Visualizing K-Means Clustering:https://www.naftaliharris.com/blog/visualizing-k-means-clustering/
  • 📘 Visual intro to Machine Learning Part 1:http://www.r2d3.us/visual-intro-to-machine-learning-part-1/
  • 📘 Visual intro to Machine Learning Part 2:http://www.r2d3.us/visual-intro-to-machine-learning-part-2/
  • 📘 Streamlit templates:https://streamlit.io/gallery
  • 📘 Logistic Regression:https://mlu-explain.github.io/logistic-regression/
  • 📘 CNN Explainer:https://poloclub.github.io/cnn-explainer/
  • 📘 Kernel Density Estimation:https://mathisonian.github.io/kde/
  • 📘 Probability distributions:https://www.simonwardjones.co.uk/posts/probability_distributions/
  • 📘 Hugging Face Spaces:https://huggingface.co/spaces
  • 📘 ConvNetJS:https://cs.stanford.edu/people/karpathy/convnetjs/
  • 📘 Keras.js:https://transcranial.github.io/keras-js/#/image-super-resolution
  • 📘 Quick Draw:https://quickdraw.withgoogle.com/

【腾讯云】轻量 2核2G4M,首年65元

阿里云限时活动-云数据库 RDS MySQL  1核2G配置 1.88/月 速抢

本文由乐趣区整理发布,转载请注明出处,谢谢。

您可能还喜欢...

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据