gavinkhung/machine-learning-visualized
این پروژه به صورت بصری و با استفاده از Jupyter Notebooks و کتابخانه NumPy، الگوریتم‌های یادگیری ماشین را از پایه پیاده‌سازی می‌کند.
کاربرد:
این مجموعه برای کسانی که می‌خواهند درک عمیقی از نحوه کار الگوریتم‌های یادگیری ماشین داشته باشند، عالی است. به جای استفاده از کتابخانه‌های آماده مثل scikit-learn، همه چیز از صفر نوشته شده. ️
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خواهید بدون وابستگی به کتابخانه‌های بالا‌سطح، منطق ریاضی و محاسباتی پشت الگوریتم‌ها رو بفهمید. مثلاً چطور گرادیان دیسنت کار می‌کند یا چگونه یک درخت تصمیم ساخته می‌شود.
چند مثال از موارد استفاده:
پیاده‌سازی رگرسیون خطی با گرادیان دیسنت
ساخت درخت تصمیم از صفر با معیار اطلاعات گین
شبکه‌های عصبی ساده با پیش‌خور و پس‌انتشار خطا
بصری‌سازی فرآیند یادگیری و تغییرات پارامترها در طول زمان
- ##MachineLearning
- ##NumPy
- ##JupyterNotebook
- ##DeepLearning
- ##AI
- ##FromScratch
- ##DataScience
- ##MLVisualization
- ##LearnAI
- ##Programming