# coggle **Repository Path**: wzl0329/coggle ## Basic Information - **Project Name**: coggle - **Description**: coggle各月份学习打卡 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 6 - **Created**: 2022-04-09 - **Last Updated**: 2022-04-09 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 内容汇总 coggle各月学习内容汇总,详情查看coggle主页(https://coggle.club/learn) ## [coggle_202111](https://gitee.com/turkeymz/coggle/tree/master/coggle_202111) ### linux 主要汇聚各种linux的建议操作 1. 各类linux操作指令 2. 日志查看 3. 快速检索 ### pytorch 学习使用pytorch,利用pytorch搭建简单的网络模型,完成训练 1. pytorch的基础使用(DNN、CNN) 2. 利用pytorch搭建CGG、ResNet 3. 利用pytorch实现人脸关键点检测、对抗网络 ## [coggle_202112](https://gitee.com/turkeymz/coggle/tree/master/coggle_202112) ### pandas 学习使用pandas,多种不同的pandas操作 1. pandas基本索引、分组、缺失值处理 2. pandas数据可视化 3. pandas表合并、聚合、透视表、交叉表 4. pandas遍历的性能对比 ### mlp 参加百度点击反欺诈二分类比赛,通过比赛学习机器学习的建模技巧,学习paddle框架 1. 分类数据的机器学习预测 2. xgb、lgb、catboost的使用 3. 特征工程处理 4. 多折交叉训练 5. 多模型融合 6. 基于Paddle的DNN 7. 基于Paddle的Embedding 8. 基于Paddle的DeepFM ## [coggle_202201](https://gitee.com/turkeymz/coggle/tree/master/coggle_202201) ### lgb 深度学习lgb的各类api以及个性化建模 1. lgb的使用(官方api与sklearn api) 2. 模型保存于加载 3. 特征重要性(importance于null_importance) 4. 模型调参(网格、随机、贝叶斯) 5. 模型参数衰减 6. 自定义损失函数 7. treelite的多语言调用树模型 8. lgb的增量训练 ### textsim 参加百度千言文本相似度比赛,通过文本处理技巧完成任务,学习paddle、Transformers框架,学习SiameseNetWork、ESIM、InferSent、BERT模型 1. w2v词向量生成 2. 多种不同方案的pooling句向量技术 3. 普通的深度学习 4. Siamese CNN、Siamese RNN 5. ESIM 6. InferSent 7. BERT 8. 对抗训练、BERT+头、不同的裁剪填充方式、多折模型融合 ## [coggle_202203](https://gitee.com/turkeymz/coggle/tree/master/coggle_202203) ### 爬虫与网络编程基础 使用bs4获取网页信息,使用tornado构建python服务 1. 使用python中的requests进行互联网访问 2. 使用bs4爬取sklearn网页信息 3. 使用bs4分析sklearn信息 4. 使用Socket构建聊天机器人 5. 使用tornado完成基本用户登录及模型部署 ### Spark基础教程 1. 使用pyspark完成基本的数据统计与分析 2. 利用pyspark完成简单的特征工程与机器学习 3. 使用spark RDD和spark streaming ## [coggle_202204](https://gitee.com/turkeymz/coggle/tree/master/coggle_202204) ### 推荐系统