资源分享（nlp、kaggle、pytorch、datawhale）

收藏了各种文章、github资源、赛事top方案等等

美图开启好心情

一、.机器学习、深度学习库、优秀课程

1.1 资源库

• 《ApacheCN 深度学习译文集》、各种语言、代码库官方API文档集合
• 《PyTorch官网教程》、 中文文档、《PyTorch 中文教程 1.7》
• scikit-learn官网
• AI Studio帮助文档、paddle-github地址、paddle文档
• Python语言（参考《python3.6.3中文手册》、《Python 3 教程》、《十万行代码》）、python3.10中文文档

1.2 优秀课程

• 李沐《动手学深度学习 》中文第二版，github地址、课程主页
• 百度AI产品与应用学习路线、paddle应用实践、paddle课程
• 《自然语言处理》（车万翔）配套案例代码地址
• 《深度学习基础》
• 邱锡鹏：神经网络与深度学习

1.3 优秀作者、公众号

• 网站《Python深度学习基于PyTorch》貌似是介绍了PyTorch官网的几乎所有内容。还有配套bilibili视频讲解《Python深度学习：基于Pytorch (合集)》
• 张贤笔记： 《PyTorch 学习笔记汇总（完结撒花）》、 [PyTorch 学习笔记] 6.1 weight decay 和 dropout
• 多多笔记 之《2021年如何科学的“微调”预训练模型？》
• 知乎：致Great、张贤同学、阿水公众号【Coggle数据科学】、鱼遇雨欲语与余​公众号：Coggle数据科学、苏剑林、台运鹏
• kaggle：致Great、Venkatkumar R
• 苏剑林个人主页、github

---

---

二、datawhale组队学习相关：

2.1 组队学习课程

• 优秀作业：《天国之影笔记》、于冬笔记、初晓宇笔记、胡先生笔记、pytorch视频

• 共读Hugging Face《扩散模型从原理到实战》

• 聪明办法学Python

• 2022年4月datawhale开源学习汇总

• 开源项目：深入浅出PyTorch

• 基于transformers的自然语言处理(NLP)入门、 nlp之情感分析（RNN/CNN/LSTM/BERT）

• 数据挖掘/机器学习、 数据可视化（matplotlib）、 动手学数据分析、清洗、重构、建模

• 计算机视觉（cv）、pandas数据处理与分析及讲解视频

• 集成学习（上）、集成学习（中）、 集成学习（下）、强化学习

• 统计学习要素（ELS）中文翻译、代码实现及其习题解答

• Datawhale三月学习：动手学深度学习（Pytorch）（23年3月）

• Datawhale四月学习：Datawhale 4月AIGC - ChatGPT从入门到应用 ，包含吴恩达 x OpenAI官方课程《hatGPT Prompt Engineering for Developers》的视频、项目地址（包含笔记）、进阶教程 Hugging LLM

• Datawhale八月学习《MMSegmentation语义分割全流程》、《科研论文配图绘制指南》

2.2 每月赛事学习：Coggle 30 Days of ML

• Coggle 30 Days of ML（21年10月）、打卡石墨文档、10月活动总结（含优秀打卡汇总）、

• 「Coggle 30 Days of ML」11月活动总结、打卡石墨文档

• 「Coggle 30 Days of ML」12月活动总结、打卡石墨文档

• Coggle 30 Days of ML（22年1&2月）

• Coggle 30 Days of ML 虎年3月竞赛学习、3月活动总结

• Coggle 30 Days of ML（22年7月）、活动总结

• Coggle 30 Days of ML（23年3月）：意图识别任务，包括TFIDF、FastText、BERT、Prompt文本分类，BERT、T5和GPT原理等知识。

• 2023年 世界人工智能创新大赛：中文网页自动导航挑战赛

• Coggle 30 Days of ML（23年8月）：学习资料

  • 了解GPT模型的基本原理和工作方式。
  • 探索ChatGPT在自然语言处理和人工智能领域的应用。
  • 理解prompt在使用ChatGPT时的重要性，以及对生成结果的影响。
  • 分析优秀和低效prompt的案例，从中学习如何设计更有效的prompt。

---

---

三、NLP相关

3.1 NLP相关

1. 生成对抗网络

   • 功守道：NLP中的对抗训练 + PyTorch实现
   • 《PaddleGAN预习课程》、《生成对抗网络七日打卡营》、PaddleGAN github地址
   • 《讯飞——新闻文本分类》惊鹊代码
   • bilibili视频、博客文章《NLP 中的对抗训练（附 PyTorch 实现）》
   • 《NLP中的对抗训练》、《bert 对抗训练实现代码》

2. NLP中的数据增强

   • 《一文了解NLP中的数据增强方法》及视频、《 基于自然语言解释的数据增强》、《【工大SCIR笔记】自然语言处理领域的数据增广方法》
   • 《实际业务超好用的SimBERT》、伪标签《基于半监督或自监督解决文本分类中样本不均衡问题》

3.2 transformer资源

• 知识蒸馏Distilled BiLSTM论文解读《Distilling Task-Specific Knowledge from BERT into Simple Neural Networks 》，原文链接。

• 《The Annotated Transformer》:原文以及中文翻译、datawhale地址

• 《Attention Is All You Need 原始论文中英文对照翻译》、 Attention is all you need的Pytorch实现

• 《苏神文章解析》

  • 《浅谈Transformer的初始化、参数化与标准化》
  • 《词向量与Embedding究竟是怎么回事？》
  • 《Transformer如戏，全靠Mask》

• transformer知识点：

  • 《用可视化解构BERT，我们从上亿参数中提取出了6种直观模式》

  • 深度学习之注意力机制

  • 关于BERT和Transformer的易错点

• 论文阅读：Pre-trained Models for Natural Language Processing: A Survey 综述：自然语言处理的预训练模型、《A Survey of Transformers》英文pdf

• 深度学习论文翻译：Image Classification、Object Detection、OCR

• 图神经网络论文翻译及解读

• 刘知远老师-NLP研究入门之道

• 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史

• 苏剑林博客-关于Transformers的合集

• (强推)李宏毅2021春机器学习课程：重点：self- attention ，transformer，Bert

• Transformer【动手学深度学习v2】（李沐bilibili视频）

• 张贤笔记：

  • [PyTorch 学习笔记] 6.1 weight decay 和 dropout
  • Pytorch：model.train()和model.eval()用法和区别

---

3.3 Hugging Face：

• Hugging Face主页课程 1-3译文
• Summary of the tokenizers
• Using tokenizers from 🤗 Tokenizers
• 从头训练分词器，中文翻译见此贴第二节、《BPE、wordpiece、ULM三大分词原理》
• Loading a Dataset，dataset拆分和切片
• 从头开始预训练BERT模型、《pytorch loop微调预训练模型》
• 在modelpoint基础上训练语言模型、中文翻译可以查看：datawhale中文教程
• trainer参数设定参考：《huggingface transformers使用指南之二——方便的trainer》
• huggingface transformers使用指南（更新and待续）
• hugging face 官方文档——datasets、optimizer
• transformers/trainer.py
• 社区文档：社区transformer资源、notebook

3.4 其它文章

• Pytorch Bert+BiLstm文本分类
• 《torchtext.vocab构建词表》

---

四、CV相关

• 《CNN卷积神经网络》

• 清欢守护者《CV》（包括数据增强、cv论文、各种模型等等98篇）

• 太阳花的小绿豆，图像分类、目标检测等等

• OpenMMLab、MMCV 中文文档、API文档

• 《Pillow速通教程》、pillow中文文档

五、数据挖掘

5.1 数据分析

• 时间序列预测方法汇总（附Kaggle经典比赛方案）
• pandas 时序统计的高级用法！

5.2 推荐系统

• 推荐系统——召回篇
• datawhale深度学习推荐系统

---

---

六、赛事

• 572场kaggle竞赛开原方案和Top思路汇总
• Datawhale competition-baseline汇总（github）、 Datawhale大满贯赛事文档、
• Coggle数据科学 competition-baseline汇总（gitee）、 Coggle年度原创文章汇总：各种竞赛总结
• 科大讯飞2021 AI开发者大赛算法赛（附30场比赛答辩视频）
• 《Kaggle 2021年 45场比赛&优胜方案汇总》

6.1 NLP赛事

6.1.1 kaggle类

1. U.S. Patent Phrase to Phrase Matching（2022.3.21——2022.7.20）

   • 数据分析《The Complete Overview》
   • 1st place solution
   • 2nd Place Solution
   • 3rd place solution
   • 5th solution: prompt is all you need
   • 7th place solution - the power of randomness
   • 8th place solution: Predicting Targets at Once Led Us to Gold
   • 10th place Solution : Single model public lb 0.8562, private lb 0.8717
   • 12th Place Solution

2. Feedback Prize - Evaluating Student Writing（2021.12.14——2.22.3.15）
   Though a Named Entity Recognition competition as opposed to classification, the dataset contains 11,403 additional essays and 70,763 additional essay sections.

   • 数据分析.
   • 1st solution with code(cv:0.748 lb:0.742)
   • 2nd Place - Weighted Box Fusion and Post Process
   • 3rd Place Solution w code and notebook
   • 4th place solution - 🎖️ my first gold medal 🎖️ (+source code available!)
   • 5’th place : simultaneous span segmentation and classification + WBF
   • 6th place solution. A YOLO-like text span detector.
   • 7th place solution
   • 9th solution, deberta is the king, pure ensemble of bert models
   • 10th solution

3. 《NBME - Score Clinical Patient Notes》（2022.2.1——2022.3.3）

   • 1st solution
   • #2 solution
   • 3rd Place Solution: Meta Pseudo Labels + Knowledge Distillation
   • 4th place solution: Deberta models & postprocess
   • 5th place solution
   • 6th place solution
   • 7th place solution: Get 0.892 in just 10 minutes
   • 8th place solution
   • 9th Weight search and threshold modification

4. 《Jigsaw Rate Severity of Toxic Comments》（2021.11.8——2022.2.7）

   • 1st place solution with code
   • Toxic Solution and Review (2nd Place)
   • 4th - This is Great! - Shared Solution
   • 5th place solution
   • 7th Place Solution

5. Jigsaw Unintended Bias in Toxicity Classification | 2019/2020

6. Kaggle 专利匹配比赛金牌方案赛后总结

7. kaggle-llm-science-exam：多选问答比赛，数据由GPT-3.5生成，竞赛旨在探讨比gpt3.5小10倍以上的问答模型能否有效回答gpt3.5编写的问题（这是一个notebook比赛，不能联网，kaggle上运行的模型最多10B参数左右）。结果将揭示LLM的基准测试和自我测试能力，竞赛方案见Kaggle大模型比赛冠军方案梳理，介绍见《Kaggle - LLM Science Exam（一）：赛事概述、数据收集、BERT Baseline》

   ---

6.1.2 国内比赛

1. 2021 CCF 爱奇艺剧本角色情感识别赛道 baseline、致Great-baseline

2. 《科大讯飞中文相似度 Top10》、中文问题相似度挑战赛0.9+paddle版本baseline

3. 《datawhale-baseline-互联网新闻情感分析》

4. 入门NLP - 新闻文本分类

   • 《新闻文本分类(一)——TF-IDF》
   • 新闻文本分类参考代码：惊鹊《Rank4 NLP新闻文本分类-开源代码+经验分享》及github
   • 张贤的知乎代码解析：《阿里天池 NLP 入门赛 Bert 方案1》、 《 Bert 方案 -2 Bert 源码讲解》、 《Bert 方案 -3 Bert 预训练与分类》、github代码地址
   • 赛事讨论区张帆等方案（task1-6）
   • 冬于bert预训练和微调代码
   • nlp群直播链接10-8第一期结构化赛题、10-4竞赛分享、10-8结构化赛题、学习资料

5. 学术论文分类挑战赛0.79+paddle版本Baseline

6. CCKS2022通用信息抽取竞赛

7. 科大讯飞《非标准化疾病诉求的简单分诊挑战赛2.0》，baseline

8. 《新冠疫情相似句对判定大赛 线上第一名方案》

9. 2022搜狐校园算法大赛 NLP赛道第一名方案分享

10. STI比赛任务二：【答案检验基线方案以及思路分享】、完整代码

6.2 CV类比赛：

• 图像去模糊算法代码实践！
• 人脸关键点检测挑战赛（CV）
• 从零入门AI篡改图片检测(2024天池比赛，金融场景)及QA汇总

6.3 结构化比赛

• 《2021科大讯飞-车辆贷款违约预测赛事 Top1方案》
• 《KDD Cup 2021 时序异常检测（附 Top1 至 Top7思路视频 ）》
• 入门数据挖掘 - 二手车交易价格预测
• 《电信客户流失预测挑战赛》、baseline
• 比赛总结：微信大数据挑战赛（内有决赛 Top1 至 Top7答辩视频 + PPT）

6.4 赛事技巧

• 特征选择算法大总结

• Kaggle Top1% 是如何炼成的！

• 《【论文解读】文本分类上分利器:Bert微调trick大全》

---

---

七、工具

1. Jupyter Notebook

   • 《Jupyter Notebook：Python数据分析利器》

2. pandas

   • 《速度起飞！替代 pandas 的 8 个神库》、Data Table 使用文档

3. sns

   • 《Seaborn官网》、《Seaborn 绘制 21 种超实用精美图表》、《Seaborn入门详细教程》、《一文学会Seaborn！》

八、深度学习、github资源

8.1 深度学习文章

• 深度神经网络模型训练中的 tricks（原理与代码汇总）
• 《【论文解读】文本分类上分利器:Bert微调trick大全》
• 《从ReLU到GELU，一文概览神经网络的激活函数》、《机器学习常用损失函数小结》

8.2 github资源

• Advance Search快速查找GitHub资源

• 人工智能1,2,3班资料，（d5dq）

• pytorch-sentiment-analysis

• 中文数据增强包、参考文献：[2019-EDA]EDA Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks

• 搭建博客

• 《《从零构建知识图谱：技术、方法与案例》代码》

九、云平台

1. AutoDL：
   • 《AutoDL使用教程：1）创建实例 2）配置环境+上传数据 3）PyCharm远程连接》
   • 《AutoDL远程服务器训练配置》

AutoDL中，终端原始字体如下，每个字母之间都有空格，很难查看。

在jupyter设置——高级——终端里面可以更改字体集，默认是monospace，改成Consolas后效果如下：

---

十、colab、markdown、模型训练等

• 《Python环境配置保姆教程（Anaconda、Jupyter、GPU环境）》

• cloud tpu文档、colab使用方法总结、 Google Colab 使用说明（翻译）、Cloud TPU飞书总结

• 《pytorch里巧用optimizer.zero_grad增大batchsize》、苏剑林《用时间换取效果：Keras梯度累积优化器》、《【PyTorch基础教程4】反向传播与计算图》

• markdown文档、公式格式调整（可以写作$\mathbf{formula}$）

• 防止自动断开连接
  在colab页面，按Ctrl+Shit+i，打开检查页面（也可以右击鼠标，选择“检查”），并切换到控制台或terminal标签，chrome中为Console。

function ConnectButton(){
    console.log("Connect pushed"); 
    document.querySelector("#top-toolbar > colab-connect-button").shadowRoot.querySelector("#connect").click() 
}
setInterval(ConnectButton,60000);

• 知乎markdown发帖：《实用攻略：将markdown格式文档发表为知乎文章》、《知乎 on VSCode 》

在知乎发布markdown格式的帖子，可以在vscode中安装插件Zhihu On VSCode。

• 登录问题：输入Ctrl + Shift + P 打开命令面板，搜索并执行 Zhihu: Login 命令登录。如果后续一直显示 你已经登录了哦~undefined，但是发布却显示没有登录。可以在浏览器输入https://www.zhihu.com/signup 打开网页，退出登录。之后再重新输入 Zhihu: Login 命令登录
• 创建目录；输入命令

• 《如何在bilibili上传markdown》（html/markdown/等多文件互转）
• markdown/word互转：《markdown转word（两种方法，实现两者互转）》、《将 Word 转换为 Markdown格式 【详细教程】》

---

十一、面试类、LeetCode刷题

• 【剑指offer】高频ML/DL面试题（持续更新）

• 刷题攻略 知识星球《代码随想录》、 datawhale力扣项目

• Datawhale面经小组，项目地址

• 算法工程师面试分享。提取码：ftxx

• 学习理论基石：学习五环法录制文件

• 毕业三年的经验分享

• 知乎文章《史上最细节的自然语言处理NLP/Transformer/BERT/Attention面试问题与答案》

• 《超细节的BERT/Transformer知识点》

• 《如何理解NLLLoss?》

• 深度学习500问

---

十二、杂类

nvidia-smi
watch --color -n1 gpustat -cpu   # 动态事实监控GPU

• ipynb文件转md：

jupyter nbconvert --to markdown notebook.ipynb
jm="jupyter nbconvert --to markdown"
jm docs/篇章4-使用Transformers解决NLP任务/4.1-文本分类.ipynb
jm docs/篇章4-使用Transformers解决NLP任务/4.2-序列标注.ipynb

• md文件转ipynb：

pip3 install jupytext --upgrade # 安装jupytext
jupytext --set-formats ipynb,md filename.md 

如何在bilibili上传markdown