zotroneneis/machine_learning_basics
کاربرد:
این پروژه پیاده‌سازی ساده و شفاف الگوریتم‌های پایه‌ای یادگیری ماشین رو با پایتون ارائه می‌ده، بدون استفاده از کتابخانه‌های پیشرفته مثل scikit-learn.
کامل مناسب برای درک عمیق نحوه کار الگوریتم‌ها از پایه، مثل رگرسیون خطی، درخت تصمیم، k-نزدیک‌ترین همسایه و غیره.
در چه شرایطی بهتره استفاده شود؟
وقتی می‌خوای بدون استفاده از "جعبه سیاه" کتابخانه‌ها، بدون پنهان شدن جزئیات، یاد بگیری که چطور یک الگوریتم واقعاً کار می‌کنه. ️
عالی برای دانشجویان، مبتدیان در حوزه هوش مصنوعی و کسایی که می‌خوان برای مصاحبه‌های فنی آماده بشن.
چند مثال از موارد استفاده
• آموزش رگرسیون خطی از صفر با استفاده از گرادیان دسانت
• پیاده‌سازی درخت تصمیم برای طبقه‌بندی داده‌های ساده
• درک نحوه کار k-NN برای تشخیص الگو بدون استفاده از sklearn
- ##machine
- ##python
- ##algorithms
- ##data
- ##beginners
- ##AI
- ##from
- ##coding
- ##ML
- ##open