2 dépôts
Tutorials and guides specifically for applying a programming language to machine learning tasks.
Distinct from Python Programming Guides: Distinct from general programming guides by focusing on the application of Python to AI and data science specifically.
Explore 2 awesome GitHub repositories matching education & learning resources · Machine Learning Guides. Refine with filters or upvote what's useful.
This project is a machine learning curriculum and educational course repository designed as a structured three-month study plan. It provides a guided path for mastering data science and artificial intelligence using the Python programming language. The repository organizes learning materials and code examples to cover mathematics, algorithms, and deep learning fundamentals. It uses a modular curriculum structure to break the domain into discrete monthly and weekly segments. The project functions as a curated resource map that aligns source code and notes with external instructional videos an
Provides a guided path for mastering data science and AI using the Python programming language.
Ce projet est un programme éducatif complet pour apprendre la science des données et la modélisation prédictive en utilisant le langage de programmation Python. Il fournit du matériel pédagogique structuré et des guides couvrant l'apprentissage supervisé, l'apprentissage non supervisé et la conception de réseaux de neurones. Le programme se concentre sur la construction, l'entraînement et l'évaluation de modèles d'apprentissage automatique. Il inclut des guides spécifiques pour implémenter la régression linéaire, les arbres de décision et les machines à vecteurs de support pour l'analyse prédictive, ainsi que des tutoriels sur la conception d'architectures de réseaux de neurones convolutifs et récurrents. Le cours couvre un large éventail de capacités en science des données, y compris l'évaluation des performances des modèles par validation croisée, la découverte de modèles cachés utilisant le clustering et l'analyse en composantes principales, et le développement de modèles d'apprentissage profond utilisant des graphes de calcul en couches. L'apprentissage est dispensé via un format interactif basé sur des notebooks qui combine du code exécutable avec du texte descriptif.
Provides guides for applying Python to implement linear regression, decision trees, and support vector machines.