cv

Il s'agit d'un recueil de notes d'apprentissage en deep learning destiné aux apprenants chinois ; l'auteur a organisé les notes de plusieurs cours vidéo publics en chapitres numérotés, facilitant ainsi l'auto-apprentissage dans l'ordre. Sources principales et découpage des chapitres : - Explication de PyTorch (intervenant : Tudui), notes numérotées 100-122, axées sur les bases et la pratique d'introduction à PyTorch. - Explication du deep learning (intervenant : Li Mu), notes numérotées 200-268, correspondant à la série de vidéos « Plongez dans le deep learning ». - Explication du deep learning (intervenant : Andrew Ng), notes numérotées 300-354, correspondant à son cours de deep learning. - Explication des grands modèles Agent (intervenant : Da Fei), notes numérotées 400-409. - Il existe également des notes Agent à partir du numéro 500, indiquées dans le README comme prévues pour une mise en ligne ultérieure. Mode d'utilisation et précautions (indiqués dans le README) : - Les notes sont fournies au format Jupyter Notebook ; il est recommandé de les télécharger localement, car le rendu en ligne sur GitHub peut afficher les images ou les formules de manière incomplète. - Il est conseillé de les ouvrir avec Jupyter Notebook d'Anaconda ; avec PyCharm, les images peuvent ne pas s'afficher correctement. - Il est possible d'installer un plugin de sommaire pour Jupyter Notebook afin de naviguer rapidement entre les chapitres. Autres informations : - Le README fournit un lien vers un espace de stockage en ligne pour le jeu de données associé ainsi qu'un code d'extraction, et précise qu'en cas de lien invalide, il est possible de contacter l'auteur via WeChat. - L'auteur a créé un groupe d'échange sur l'apprentissage du deep learning pour les autodidactes. - Le README contient également de nombreux éléments sans rapport direct avec les notes elles-mêmes, notamment des conseils d'orientation professionnelle, des services de modification de CV, des listes d'entreprises pour recommandation, du tutorat pour articles académiques et autres services personnels, ainsi que de nombreuses images et textes promotionnels. Ces éléments relèvent d'informations supplémentaires ajoutées par l'auteur et n'ont pas de lien direct avec le contenu technique des notes. Dans l'ensemble, la valeur de ce dépôt réside principalement dans la centralisation et la numérotation des notes de plusieurs cours majeurs de deep learning, ce qui facilite la consultation par thème et dans l'ordre pour les lecteurs chinois ; il convient comme index de ressources complémentaires pour l'auto-apprentissage du deep learning.