carefree0910/MachineLearning
این پروژه شامل پیاده‌سازی الگوریتم‌های یادگیری ماشین با استفاده از کتابخانه خالص numpy است.
کاربرد:
این پروژه برای درک بهتر ساختار داخلی الگوریتم‌های یادگیری ماشین طراحی شده. مناسب افرادی است که می‌خواهند بدون وابستگی به کتابخانه‌های پیچیده مانند TensorFlow یا PyTorch، خودشون الگوریتم‌ها رو ببینن و یاد بگیرن.
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خوای مفاهیم پایه یادگیری ماشین رو عمیق‌تر بفهمی، مثلاً نحوه کار گرادیان دیسنت، رگرسیون خطی، یا شبکه‌های عصبی ساده رو با دست بنویسی. همچنین برای تمرین کدنویسی در علم داده و یادگیری ماشین عالیه.
چند مثال از موارد استفاده:
- آموزش رگرسیون خطی از صفر با numpy
- پیاده‌سازی شبکه عصبی ساده برای طبقه‌بندی دسته‌ای از داده‌ها
- درک نحوه به‌روزرسانی وزن‌ها در یک مدل با استفاده از گرادیان
- ##MachineLearning
- ##NumPy
- ##DeepLearning
- ##AI
- ##DataScience
- ##NeuralNetworks
- ##Regression
- ##GradientDescent
- ##PurePython
- ##LearnToCode