3 个仓库
Coded examples of machine learning algorithms used for classification and regression tasks.
Distinct from Algorithm Implementations: Focuses on the educational implementation of predictive ML algorithms rather than low-level numerical computing library internals.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Predictive Model Implementations. Refine with filters or upvote what's useful.
本项目是一个机器学习教育课程和学习平台,通过交互式 Jupyter Notebooks 提供。它作为掌握 Python 数据科学工具包的综合指南,为数值计算、表格数据操作和统计可视化提供结构化教程。 该课程包括 Scikit-Learn 的具体实现指南,以及关于构建、训练和部署神经网络及计算机视觉模型的 TensorFlow 实践课程。它涵盖了构建预测模型的端到端过程,从初始问题定义和任务分类,到通过交互式 Web 界面部署模型。 该项目涵盖了广泛的功能领域,包括多维数组的数值计算、探索性数据分析和数据预处理例程。它为监督和无监督学习、自动化机器学习流水线、超参数优化以及使用分类指标和交叉验证的模型评估提供了详细的工作流。 教育内容组织为一系列 Notebook,将 Python 代码与叙述性解释交织在一起,以记录数据科学工作流。
Implements classification and regression algorithms to demonstrate how predictive models process specific datasets.
这是一个教育性 Jupyter Notebook 合集,提供了使用 TensorFlow 框架构建神经网络和进行张量运算的教程。它作为机器学习教育仓库和深度学习学生的实现指南。 该套件专注于特定的高级架构,包括用于图像分类的卷积神经网络、用于训练稳定性的残差网络(带跳跃连接),以及用于生成建模和数据合成的变分自编码器。它还包含构建去噪和深度自编码器以进行特征提取和降维的指南。 该仓库涵盖了更广泛的预测建模领域,实现了用于预测连续值和二元结果的线性、多项式和逻辑回归。 内容组织为交互式 Notebook,允许用户执行数学运算并修改机器学习实验。
Provides coded examples of predictive algorithms, including linear, polynomial, and logistic regression.
该项目是一个机器学习课程和数据科学教育资源。它提供了一套结构化的教学材料和实践项目,旨在学习机器学习概念及预测模型的实现。 该资源作为监督学习的培训指南,专注于图像分类和数字识别模型的开发。它采用基于项目的培训方法,将理论课程与数据集驱动的模型训练和评估相结合。 该课程涵盖了机器学习的数学基础、数据处理以及监督学习算法的实现。它将内容组织成模块化单元和顺序路径,引导学习者从理论研究过渡到使用真实数据集进行模型实践应用。
Provides coded examples and exercises for implementing predictive models for classification and recognition tasks.