eriklindernoren/ML-From-Scratch
کاربرد:
این پروژه به تو کمک می‌کنه تا مدل‌های یادگیری ماشین رو از صفر و با استفاده از NumPy پیاده‌سازی کنی. اینجا همه چیز از رگرسیون خطی تا شبکه‌های عصبی عمیق، بدون استفاده از کتابخانه‌های آماده مثل scikit-learn یا TensorFlow، نوشته شده. هدف اصلی، درک عمیق‌تر از نحوه کار الگوریتم‌هاست.
در چه شرایطی بهتره استفاده شود؟
اگر دانشجو هستی، داری یاد می‌گیری یا می‌خوای بدونی "توی جعبه سیاه چه اتفاقی می‌افته"، این پروژه عالیه! همچنین برای کسایی که می‌خوان مهارت‌های کدنویسی و ریاضیات یادگیری ماشین رو تقویت کنن، منبع بسیار مناسبیه.
چند مثال از موارد استفاده:
یادگیری نحوه کار الگوریتم گرادیان کاهشی با کدنویسی دستی
پیاده‌سازی یک درخت تصمیم بدون استفاده از کتابخانه
ساخت یک شبکه عصبی ساده با لایه‌های فولی کانکتد و تابع فعال‌سازی ReLU
مقایسه عملکرد رگرسیون لجستیک با و بدون تنظیم (Regularization)
- ##MachineLearning
- ##DeepLearning
- ##NumPy
- ##FromScratch
- ##AI
- ##Python
- ##NeuralNetworks
- ##LinearRegression
- ##GradientDescent
- ##MLAlgorithms