MachineLearning-QandAI-book

收录理由

这本书的仓库里附带了大量可运行的笔记本，把书里的概念变成能动手验证的代码，而不是停留在纸面上。比如自注意力那章就提供了重新实现该机制的源码，你还能实际修改随机种子或dropout观察结果变化，比较BLEU、ROUGE和BERTScore这些指标，或者亲手试试共形预测与置信区间的差异。内容覆盖面很广，从视觉transformer、模型微调，到推理加速、应对数据分布漂移这类工程问题都有涉及，适合已经掌握机器学习基础、想补齐短板的数据工程师。作者本身就是资深的机器学习教育者，代码的编排思路明显是为了教学演示，不是为了打包上线，但正因为如此，每个模块拆解起来非常顺手，稍作修改就能挪到自己的项目里复用。