布客·ApacheCN 翻译校对活动进度公告 2020.5

前言

@wnma3mz

完成

第一章 引言

@wnma3mz

完成

第二章 解释性

@utopfish

完成

第三章 数据集

@GeneralLi95

完成

第四章 解释模型

第五章 模型不可知论方法

第六章 基于实例的解释

@mahaoyang

完成

第七章 神经网络解释

@binbinmeng

完成

第八章 水晶球

@mahaoyang

完成

七、Web 技术

-

-

超文本传输协议

@miaoxiaozui2017

100%

八、处理文本

-

-

python 字符串方法

@miaoxiaozui2017

100%

正则表达式

@miaoxiaozui2017

100%

regex 和 python

@miaoxiaozui2017

100%

九、关系数据库和 SQL

-

-

关系模型

@miaoxiaozui2017

100%

SQL

@miaoxiaozui2017

SQL 连接

@miaoxiaozui2017

十、建模与估计

-

-

模型

损失函数

绝对损失和 Huber 损失

十一、梯度下降与数值优化

-

-

使用程序最小化损失

梯度下降

凸性

随机梯度下降法

十二、概率与泛化

-

-

随机变量

期望和方差

风险

十三、线性模型

-

-

预测小费金额

用梯度下降拟合线性模型

多元线性回归

最小二乘-几何透视

线性回归案例研究

十四、特征工程

-

-

沃尔玛数据集

预测冰淇淋评级

十五、偏方差权衡

-

-

风险和损失最小化

模型偏差和方差

交叉验证

十六、正则化

-

-

正则化直觉

L2 正则化：岭回归

L1 正则化：LASSO 回归

十七、分类

-

-

概率回归

Logistic 模型

Logistic 模型的损失函数

使用逻辑回归

经验概率分布的近似

拟合 Logistic 模型

评估 Logistic 模型

多类分类

十八、统计推断

-

-

假设检验和置信区间

置换检验

线性回归的自举（真系数的推断）

学生化自举

P-HACKING

十九、向量空间回顾

零、前言

@PEGASUS1993

100%

一、介绍

@PEGASUS1993

100%

二、符号和定义

三、基本算法

四、线性算法剖析

@P3n9W31

100%

五、基本实践

@chengchengbai

100%

六、神经网络和深度学习

@xiemaycherry

100%

七、问题和答案

@LaicZhang

100%

八、高级实践

@LaicZhang

100%

九、无监督学习

@onlyonewater

100%

十、其它学习形式

@kjlintong

100%

十一、总结

@kjlintong

100%

Lecture 1

@Everglow0214

100%

Lecture 2

@Everglow0214

Lecture 3

@Everglow0214

100%

Lecture 4

@Everglow0214

100%

Lecture 5

@Everglow0214

100%

Lecture 6

@Everglow0214

100%

Lecture 7

@Everglow0214

100%

Lecture 8

@Everglow0214

100%

Lecture 9

@Everglow0214

100%

Lecture 10

@Everglow0214

100%

Lecture 11

@Everglow0214

100%

Lecture 12

@Everglow0214

100%

Lecture 13

@Everglow0214

Lecture 14

@Everglow0214

100%

Lecture 15

第 0 章：为何学习微积分？

0.1 你应该知道什么

0.2 什么是微积分？我们为什么要研究它？

第 1 章：数字

1.1 什么是数字？有理数

1.2 小数和实数

1.3 复数

复数运算

1.4 可数集（消遣）

第 2 章：使用电子表格

2.1 什么是电子表格？

2.2 斐波纳契数

2.3 帕斯卡的三角形

2.4 与电子表格集成

第 3 章：线性函数

3.1 什么是函数？

3.2 线性函数

3.3 线性

第四章：函数的二次型和导数

4.1 更复杂的函数

4.2 二次函数的斜率

第 5 章：有理函数和导数的计算

5.1 有理函数的导数

第 6 章：指数函数，替换和链规则

6.1 最有用函数的导数

第 7 章：三角函数及其导数

7.1 二维数学

7.2 三角学和导数以及加法定理

第 8 章：反函数及其导函数

8.1 反函数

8.2 微分反函数

8.3 更多规则

第 9 章：数值微分和不可微函数

9.1 数值微分

9.2 绘制导数图

9.3 不可微函数

第 10 章：微分的回顾

10.1 复习

第 11 章：微分在求解方程中的应用

11.1 求解方程

第 12 章：反导数

12.1 反导数

第 13 章：曲线下面积;定积分

13.1 区域：定义，名称和符号

13.2 微积分和确定区域的基本定理

13.3 积分的诀窍

第 14 章：数值积分

14.1 数值积分计划

14.2 积分的“规则”

14.3 为什么这些规则有效？

第 15 章：平行数字的面积和体积;行列式

15.1 有符号面积和体积

15.2 表示平行边的图形

15.3 行列式的属性

15.4 求解行列式

15.5 用于求解电子表格中的行列式的爱丽丝梦游仙境方法

第 16 章一些纯数学

16.1 极限和点集拓扑简介

16.2 紧集

16.3 杂注

16.4 Lebesgue 积分

第 17 章：物理的建模应用

17.1 垂直运动建模

17.2 弹簧建模（谐波振荡器）

17.3 受迫振荡

17.4 简单电路

第 18 章捕食者猎物模型

18.1 捕食者猎物模型

第 19 章：求解微分方程

19.1 计划

19.2 一阶微分方程

19.3 二阶微分方程

19.4 行星运动

#Informal词汇表

#Piazza：何时以及如何寻求帮助

编程技巧，第1部分

系统编程短篇小说和歌曲

C编程，第1部分：简介

@blue-bird1

100%

C编程，第2部分：文本输入和输出

@hqiwen

100%

C编程，第3部分：常见问题

@hqiwen

100%

C编程，第4部分：字符串和结构

@hqiwen

100%

C编程，第5部分：调试

@hqiwen

100%

C编程，复习题

@hqiwen

100%

进程，第1部分：简介

分叉，第1部分：简介

分叉，第2部分：Fork，Exec，等等

进程控制，第1部分：使用信号等待宏

进程复习题

内存，第1部分：堆内存简介

内存，第2部分：实现内存分配器

内存，第3部分：粉碎堆栈示例

内存复习题

Pthreads，第1部分：简介

Pthreads，第2部分：实践中的用法

Pthreads，第3部分：并行问题（奖金）

Pthread复习题

同步，第1部分：互斥锁

同步，第2部分：计算信号量

同步，第3部分：使用互斥锁和信号量

同步，第4部分：临界区问题

同步，第5部分：条件变量

同步，第6部分：实现障碍

同步，第7部分：读者编写器问题

同步，第8部分：环形缓冲区示例

同步复习题

死锁，第1部分：资源分配图

死锁，第2部分：死锁条件

死锁，第3部分：餐饮哲学家

死锁复习题

虚拟内存，第1部分：虚拟内存简介

管道，第1部分：管道介绍

管道，第2部分：管道编程秘密

文件，第1部分：使用文件

调度，第1部分：调度过程

调度，第2部分：调度过程：算法

IPC复习题

POSIX，第1部分：错误处理

网络，第1部分：简介

网络，第2部分：使用getaddrinfo

网络，第3部分：构建一个简单的TCP客户端

网络，第4部分：构建一个简单的TCP服务器

网络，第5部分：关闭端口，重用端口和其他技巧

网络，第6部分：创建UDP服务器

网络，第7部分：非阻塞I O，select（）和epoll

RPC，第1部分：远程过程调用简介

网络复习题

文件系统，第1部分：简介

文件系统，第2部分：文件是inode（其他一切只是数据…）

文件系统，第3部分：权限

文件系统，第4部分：使用目录

文件系统，第5部分：虚拟文件系统

文件系统，第6部分：内存映射文件和共享内存

文件系统，第7部分：可扩展且可靠的文件系统

文件系统，第8部分：从Android设备中删除预装的恶意软件

文件系统，第9部分：磁盘块示例

文件系统复习题

过程控制，第1部分：使用信号等待宏

信号，第2部分：待处理的信号和信号掩码

信号，第3部分：提高信号

信号，第4部分：信号

信号复习题

考试主题

C编程：复习题

多线程编程：复习题

同步概念：复习题

内存：复习题

管道：复习题

文件系统：复习题

网络：复习题

信号：复习题

系统编程笑话

1.关于本书（ES2019 版）

@YouWillBe

100%

2.常见问题：本书

@huangzijian888

100%

3. JavaScript 的历史和演变

@t532

100%

4.常见问题：JavaScript

@t532

100%

5.概览

@kj415j45

100%

6.语法

@lq920320

100%

7.在控制台上打印信息（console.*）

@lq920320

100%

8.断言 API

@lq920320

100%

9.测验和练习入门

@so-hard

100%

10.变量和赋值

@so-hard

100%

11.值

@lq920320

100%

12.运算符

@wizardforcel

100%

13.非值undefined和null

@wizardforcel

100%

14.布尔值

@wizardforcel

100%

15.数字

@wizardforcel

100%

16. Math

@wizardforcel

100%

17. Unicode - 简要介绍（高级）

@wizardforcel

100%

18.字符串

@wizardforcel

100%

19.使用模板字面值和标记模板

@wizardforcel

100%

20.符号

@wizardforcel

100%

21.控制流语句

@wizardforcel

100%

22.异常处理

23.可调用值

24.模块

25.单个对象

26.原型链和类

@lq920320

100%

27.同步迭代

@lq920320

100%

28.数组（Array）

@52admln

100%

29.类型化数组：处理二进制数据（高级）

30.映射（Map）

@so-hard

100%

31. WeakMaps（WeakMap）

32.集（Set）

@liuyepiaoxiang

100%

33. WeakSets（WeakSet）

34.解构

@Kavelaa

100%

35.同步生成器（高级）

36. JavaScript 中的异步编程

@Kavelaa

100%

37.异步编程的 Promise

@iChrisJ

100%

38.异步函数

@iChrisJ

100%

39.正则表达式（RegExp）

@iChrisJ

100%

40.日期（Date）

@facebesidewyj

100%

41.创建和解析 JSON（JSON）

42.其余章节在哪里？

@wizardforcel

100%

一、基础

飞龙

100%

二、计算几率

飞龙

100%

三、随机变量

飞龙

100%

四、事件之间的关系

@biubiubiuboomboomboom

100%

五、事件集合

-

-

5.1 ~5.3

@PEGASUS1993

100%

5.4

@1390867192

100%

六、随机计数

@viviwong

100%

七、泊松化

@YAOYI626

100%

八、期望

-

-

8.1 ~ 8.2

@PEGASUS1993

100%

8.3

@GG-yuki

100%

九、条件（续）

@YAOYI626

100%

十、马尔科夫链

喵十八

100%

十一、马尔科夫链（续）

喵十八

100%

十二、标准差

缺只萨摩

100%

十三、方差和协方差

缺只萨摩

100%

十四、中心极限定理

喵十八

100%

十五、连续分布

十六、变换

@hellozhaihy

100%

十七、联合密度

@Winchester-Yi

100%

十八、正态和 Gamma 族

@Winchester-Yi

100%

十九、和的分布

平淡的天

100%

二十、估计方法

平淡的天

100%

二十一、Beta 和二项

@lvzhetx

100%

二十二、预测

-

-

22.1

@lvzhetx

100%

22.2 ~ 22.4

二十三、联合正态随机变量

@mahaoyang

100%

二十四、简单线性回归

@ThomasCai

100%

二十五、多元回归

@lanhaixuan

100%

深度学习与 Keras

-

-

Keras 中神经网络模型的 5 步生命周期

@ElmaDavies

100%

在 Python 迷你课程中应用深度学习

@ElmaDavies

100%

Keras 深度学习库的二元分类教程

@ElmaDavies

100%

如何用 Keras 构建多层感知器神经网络模型

@Lnssssss

100%

如何在 Keras 中检查深度学习模型

@ElmaDavies

100%

10 个用于 Amazon Web Services 深度学习的命令行秘籍

@Lnssssss

100%

机器学习卷积神经网络的速成课程

@ElmaDavies

100%

如何在 Python 中使用 Keras 进行深度学习的度量

@Lnssssss

100%

深度学习书籍

@Lnssssss

100%

深度学习课程

@ElmaDavies

100%

你所知道的深度学习是一种谎言

@Lnssssss

100%

如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型（分步）

@ElmaDavies

100%

神经网络中批量和迭代之间的区别是什么？

@Lnssssss

100%

在 Keras 展示深度学习模型训练历史

@ElmaDavies

100%

基于 Keras 的深度学习模型中的dropout正则化

@Lnssssss

100%

评估 Keras 中深度学习模型的性能

@ElmaDavies

100%

评估深度学习模型的技巧

@ElmaDavies

100%

小批量梯度下降的简要介绍以及如何配置批量大小

@Lnssssss

在 Keras 中获得深度学习帮助的 9 种方法

@ElmaDavies

100%

如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数

@ElmaDavies

100%

用 Keras 在 Python 中使用卷积神经网络进行手写数字识别

@ElmaDavies

100%

如何用 Keras 进行预测

@ElmaDavies

100%

用 Keras 进行深度学习的图像增强

@ElmaDavies

100%

8 个深度学习的鼓舞人心的应用

@ElmaDavies

100%

Python 深度学习库 Keras 简介

@AndrewChung-GitHub

100%

Python 深度学习库 TensorFlow 简介

@zhaop33

100%

Python 深度学习库 Theano 简介

如何使用 Keras 函数式 API 进行深度学习

@AndrewChung-GitHub

Keras 深度学习库的多类分类教程

多层感知器神经网络速成课程

基于卷积神经网络的 Keras 深度学习库中的目标识别

流行的深度学习库

用深度学习预测电影评论的情感

Python 中的 Keras 深度学习库的回归教程

如何使用 Keras 获得可重现的结果

@AndrewChung-GitHub

如何在 Linux 服务器上运行深度学习实验

保存并加载您的 Keras 深度学习模型

@AndrewChung-GitHub

用 Keras 逐步开发 Python 中的第一个神经网络

@AndrewChung-GitHub

用 Keras 理解 Python 中的有状态 LSTM 循环神经网络

@AndrewChung-GitHub

在 Python 中使用 Keras 深度学习模型和 Scikit-Learn

@AndrewChung-GitHub

如何使用预训练的 VGG 模型对照片中的物体进行分类

在 Python 和 Keras 中对深度学习模型使用学习率调度

如何在 Keras 中可视化深度学习神经网络模型

什么是深度学习？

何时使用 MLP，CNN 和 RNN 神经网络

为什么用随机权重初始化神经网络？

XGBoost

-

-

通过在 Python 中使用 XGBoost 提前停止来避免过度拟合

@tabeworks

100%

如何在 Python 中调优 XGBoost 的多线程支持

@tabeworks

100%

如何配置梯度提升算法

在 Python 中使用 XGBoost 进行梯度提升的数据准备

如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型

@tabeworks

如何在 Python 中使用 XGBoost 评估梯度提升模型

在 Python 中使用 XGBoost 的特征重要性和特征选择

浅谈机器学习的梯度提升算法

应用机器学习的 XGBoost 简介

@tabeworks

100%

如何在 macOS 上为 Python 安装 XGBoost

如何在 Python 中使用 XGBoost 保存梯度提升模型

从梯度提升开始，比较 165 个数据集上的 13 种算法

在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升

如何使用 Amazon Web Services 在云中训练 XGBoost 模型

在 Python 中使用 XGBoost 调整梯度提升的学习率

如何在 Python 中使用 XGBoost 调整决策树的数量和大小

如何在 Python 中使用 XGBoost 可视化梯度提升决策树

在 Python 中开始使用 XGBoost 的 7 步迷你课程

一、算法复杂度

@leader402

100%

二、抽象数据类型

@Allenyep

100%

三、满足规范

@renyuhuiharrison

100%

四、序列和它们的实现

@biubiubiuboomboomboom

100%

五、树

@biubiubiuboomboomboom

100%

六、搜索树

@yongfengyan

100%

七、哈希

@Abel-Huang

100%

八、排序和选择

@Rachel-Hu

100%

九、平衡搜索

@Abel-Huang

100%

十、并发和同步

@Ruffianjiang

100%

十一、伪随机序列

十二、图

@yuanrw

100%