大家好，好久沒給大家推薦優質的機器學習 GitHub 開源資料了。最近逛 GitHub，發現了一個非常不錯的 AI 資料，兼顧理論和實戰，非常不錯！
首先放上該資源的 GitHub 位址：
https://github.com/ben1234560/AiLearning-Theory-Applying 該資源名為《AiLearning-Theory-Applying》，作者是 ben1234560。該開源項目主要包含了 AI 領域的 5 大子產品，具體目錄如下：- 必備數學基礎Basic knowledge
- 機器學習MachineLearning
- 深度學習入門DeepLearning
- NLP通用架構BERT項目實戰
- 機器學習算法原理及推導
詳細目錄如下：
一、必備數學基礎Basic knowledge
這部分包含了機器學習、深度學習必備的數學基礎，包含：高等數學基礎、微積分、泰勒公式、線性代數等等。每個知識點根據難易程度都有了比較詳盡的介紹，例如貝葉斯分析部分，作者做了較為細緻的介紹。
例如幾個關鍵的基礎概念：分布函數、機率密度函數、機率品質函數、似然函數、邊緣分布等。
二、機器學習MachineLearning
機器學習部分，項目主要從 5 個競賽實戰項目來由淺入深介紹。包括：信用卡欺詐檢測（含資料集）、工業化工生産預測（含資料集）、智慧城市-道路通行時間預測（含資料集）、建築能源使用率預測（含資料集）、快手使用者活躍預測（含資料集）、機器學習實戰小項目（含資料集）等。畢竟實戰才能把我們的理論驗證一下~
以信用卡欺詐檢測為例，主要是使用邏輯回歸算法來實作分類問題。不僅包含了賽題的介紹、理論，還有實戰代碼，以 .ipynb 的形式，很友善閱讀了解和實操。
https://github.com/ben1234560/AiLearning-Theory-Applying/blob/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/%E4%BF%A1%E7%94%A8%E5%8D%A1%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B/%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92-%E4%BF%A1%E7%94%A8%E5%8D%A1%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B.ipynb 三、深度學習入門DeepLearning
深度學習包含了 5 個章節：深度學習必備知識點、走進深度學習的世界、神經網絡模型 卷積神經網絡、遞歸神經網絡與詞向量原了解讀、LSTM網絡架構與情感分析應用執行個體。
LSTM網絡架構與情感分析應用執行個體部分以一個情感分析執行個體來深化理論知識。
四、NLP通用架構BERT項目實戰
NLP通用架構BERT項目實戰主要包含：NLP通用架構BERT原了解讀、BERT源碼解讀與應用執行個體、基于BERT的中文情感分析實戰 3 個部分。以目前 NLP 領域火熱的 BERT 模型為例，進行了理論介紹和一個中文情感分析的實戰項目。
五、機器學習算法原理及推導
機器學習算法原理及推導回歸理論，主要介紹李航——統計學習方法和李宏毅——異常檢測的原理介紹和推導過程。
統計學習方法：
異常檢測：
總結
總的來說，這份開源的 AI 理論與實戰項目包含了很多有價值的内容，包含了理論推導和算法實戰，是一份不錯的資源。希望對大家有所幫助！
最後再次放上該項目的 GitHub 位址：