cqunlp / research_resourcesLinks
Resources of CQU CS 1701 research, include NLP, Knowledge Graph,Cloud Computing, etc.
☆138Updated 4 years ago
Alternatives and similar repositories for research_resources
Users that are interested in research_resources are comparing it to the libraries listed below
Sorting:
- 复旦大学邱锡鹏老师推荐的nlp-beginner项目的实现代码☆132Updated 5 years ago
- 哈工大计算机研究生学位课的课程笔记,包括模式识别、自然语言处理、最优化方法、以及数理统计☆106Updated 6 years ago
- 考研保研机试☆48Updated 6 years ago
- 软微新生入学常见问题☆94Updated 5 years ago
- CS224n Reading Notes in Chinese 中文阅读笔记☆525Updated last year
- Prepare for 保研机试 for PKU.☆53Updated 5 years ago
- 计算机类保研准备☆87Updated 5 years ago
- ☆86Updated 4 years ago
- Solutions for nndl/exercise☆114Updated 5 years ago
- 《王道机试指南》和《算法笔记》(“晴神宝典”)例题题解☆69Updated 4 years ago
- 2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记☆171Updated 6 years ago
- Python Foundation; Soochow University Python; 苏州大学复试上机☆50Updated 2 years ago
- ☆92Updated 5 years ago
- 本repo为scut cs的本科生保研经验分享☆50Updated 6 years ago
- all courses' homework☆116Updated 5 years ago
- 苏州大学计算机复试上机2005-2020真题、保研题、期中期末习题、苏大mooc老师推荐力扣习题☆67Updated 5 years ago
- CCF CSP和PAT考试题解(使用C++14语法)☆772Updated 3 years ago
- 一些机器学习算法的demo。普通最小二乘法,决策树(Iris鸢尾花数据集),KNN(mnist手写数字数据集),朴素贝叶斯分类西瓜数据集,trec06c数据集垃圾邮件分类(spam),逻辑斯蒂回归,随机梯度下降SGD与全梯度下降的对比,mnist中8和9的二分类,泰坦尼克号…☆188Updated 7 years ago
- ☆200Updated 5 years ago
- 给研一同学的NLP入门指南☆61Updated last year
- 王道考研机试指南(第二版)——题目链接☆141Updated 3 years ago
- 简单的中文文本情感分类 (MLP, CNN, RNN in PyTorch) - 2019 THU 人工智能导论作业☆154Updated 3 years ago
- 自然语言处理导论实验课课件☆43Updated 5 years ago
- python实现的基于倒排索引和向量空间模型实现的信息检索系统☆58Updated 8 years ago
- 国科大 算法分析与设计 卜东波 作业答案整理(2016)☆264Updated 8 years ago
- 本课程面对具有一定机器学习基础,但尚未入门的NLPer或经验尚浅的NLPer,尽力避免陷入繁琐枯燥的公式讲解中,力求用代码展示每个模型背后的设计思想,同时也会带大家梳理每个模块下的技术演变,做到既知树木也知森林。☆89Updated last year
- 适合将要参加计算机考研复试的同学,我整理面试中可能问到的绝大部分问题。☆33Updated 5 years ago
- 关于机器学习,深度学习,自然语言处理等各种算法的实现、示例,与博客文章配套,论文复现等☆210Updated 3 years ago
- 2019春哈工大模式识别与深度学习实验☆96Updated 6 years ago
- 李航统计学习方法(第二版)的学习笔记,包括:1、每章重点公式的手动推导 2、每章算法的Python自实现 3、学习过程中的笔记与心得 4、每章节的课后习题 5、每周都会按照至少一周一章的进度定时将自己的学习进度更新到这个仓库☆126Updated 4 years ago