大家好，好久没给大家推荐优质的机器学习 GitHub 开源资料了。最近逛 GitHub，发现了一个非常不错的 AI 资料，兼顾理论和实战，非常不错！
首先放上该资源的 GitHub 地址：
https://github.com/ben1234560/AiLearning-Theory-Applying 该资源名为《AiLearning-Theory-Applying》，作者是 ben1234560。该开源项目主要包含了 AI 领域的 5 大模块，具体目录如下：- 必备数学基础Basic knowledge
- 机器学习MachineLearning
- 深度学习入门DeepLearning
- NLP通用框架BERT项目实战
- 机器学习算法原理及推导
详细目录如下：
一、必备数学基础Basic knowledge
这部分包含了机器学习、深度学习必备的数学基础，包含：高等数学基础、微积分、泰勒公式、线性代数等等。每个知识点根据难易程度都有了比较详尽的介绍，例如贝叶斯分析部分，作者做了较为细致的介绍。
例如几个关键的基础概念：分布函数、概率密度函数、概率质量函数、似然函数、边缘分布等。
二、机器学习MachineLearning
机器学习部分，项目主要从 5 个竞赛实战项目来由浅入深介绍。包括：信用卡欺诈检测（含数据集）、工业化工生产预测（含数据集）、智慧城市-道路通行时间预测（含数据集）、建筑能源利用率预测（含数据集）、快手用户活跃预测（含数据集）、机器学习实战小项目（含数据集）等。毕竟实战才能把我们的理论验证一下~
以信用卡欺诈检测为例，主要是使用逻辑回归算法来实现分类问题。不仅包含了赛题的介绍、理论，还有实战代码，以 .ipynb 的形式，很方便阅读理解和实操。
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、深度学习入门DeepLearning
深度学习包含了 5 个章节：深度学习必备知识点、走进深度学习的世界、神经网络模型 卷积神经网络、递归神经网络与词向量原理解读、LSTM网络架构与情感分析应用实例。
LSTM网络架构与情感分析应用实例部分以一个情感分析实例来深化理论知识。
四、NLP通用框架BERT项目实战
NLP通用框架BERT项目实战主要包含：NLP通用框架BERT原理解读、BERT源码解读与应用实例、基于BERT的中文情感分析实战 3 个部分。以目前 NLP 领域火热的 BERT 模型为例，进行了理论介绍和一个中文情感分析的实战项目。
五、机器学习算法原理及推导
机器学习算法原理及推导回归理论，主要介绍李航——统计学习方法和李宏毅——异常检测的原理介绍和推导过程。
统计学习方法：
异常检测：
总结
总的来说，这份开源的 AI 理论与实战项目包含了很多有价值的内容，包含了理论推导和算法实战，是一份不错的资源。希望对大家有所帮助！
最后再次放上该项目的 GitHub 地址：