#550 · 主分类： 教育与研究
ML-foundations
机器学习基础：线性代数、微积分、统计学与计算机科学
项目最后更新：11/20/24
GitHub Stars
4.8K
Forks数量
2.3K
贡献者数量
2
许可证
MIT
收录理由
这份仓库把Jon Krohn的机器学习基础课程配套代码整理成了八本Jupyter笔记本，内容覆盖线性代数、微积分、概率统计与计算机科学，正好是深度学习等现代AI方法赖以立足的数学和算法根基。笔记本的编排刻意让后面的主题承接前面的内容，所以你可以按顺序一路学下去，也可以挑自己熟悉的章节单独看。对于不想再把PyTorch或TensorFlow当黑箱使的人来说，跟着这些例子一步步推导梯度下降、反向传播背后的原理，会非常有帮助。所有代码都能直接在Google Colab里跑，不需要在本地配置环境，自学的人或带课的老师都能很快上手。
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。
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
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。
30-seconds-of-code
编程文章，助你提升开发技能
generative-ai-for-beginners
21节课，开始使用生成式AI构建