TopOpenSourceAI
EN

#100 · 主分类： 教育与研究

ML-From-Scratch

data-mining data-science deep-learning deep-reinforcement-learning genetic-algorithm machine-learning machine-learning-from-scratch

从零开始机器学习。使用NumPy实现机器学习模型和算法的极简版本，注重易用性。旨在涵盖从线性回归到深度学习的所有内容。

项目最后更新：10/15/23

在 GitHub 查看

GitHub Stars

32.5K

Forks数量

5.4K

贡献者数量

9

许可证

MIT

收录理由

多数机器学习库交付的是训练好的模型，内部机制被封装得严严实实。这个项目反其道而行，从线性回归到深度学习，每个算法都用纯 NumPy 实现，数学原理直接摊开在代码里。你可以逐行阅读，看清梯度如何流动、反向传播在何处发生，而不是把一切交给框架去处理。仓库里还附带了可运行的示例，比如用卷积神经网络识别手写数字，或者用遗传算法进化网络结构，这些都能作为动手实验的起点。它并不适合直接部署到生产环境，但如果你真想弄明白 scikit-learn 或 PyTorch 在底层到底做了什么，这份资源在完整性和教学价值上都相当出色。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。

同类热门项目

prompts.chat

前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管，为您的组织提供完全隐私。

#1

JavaGuide

Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发

#2

system-prompts-and-models-of-ai-tools

精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。

#3

30-seconds-of-code

编程文章，助你提升开发技能

#4

generative-ai-for-beginners

21节课，开始使用生成式AI构建

#5