machine-learning
:earth_americas: 機器學習教學(主要使用 Python3)
machine-learning 是什麼?
:earth_americas: 機器學習教學(主要使用 Python3)
machine-learning 概覽
這是什麼
machine-learning 是一個持續更新的儲存庫,記錄了作者在資料科學與機器學習相關主題上的學習歷程。內容以 Jupyter Notebook 格式呈現,旨在平衡數學符號、使用 Python 科學計算套件(numpy、numba、scipy、pandas、matplotlib、pyspark 等)從頭實作的教育性範例,以及開放原始碼函式庫(scikit-learn、fasttext、huggingface、onnx、xgboost、lightgbm、pytorch、keras、tensorflow、gensim、h2o、ortools、ray tune 等)的應用。此儲存庫採用 MIT 授權,為開放原始碼。
主要功能
- 涵蓋廣泛主題,包括深度學習、模型部署、作業研究、強化學習、時間序列、A/B 測試、模型選擇、降維、推薦系統等。
- 提供 Jupyter Notebook 教學,包含從頭實作與基於函式庫的範例。
- 包含端到端專案,例如 Kaggle 競賽(Rossman Store Sales、Quora Insincere Questions Classification)。
- 包含進階深度學習主題的筆記,如 Transformer、對比學習、LLM 微調(PEFT LoRA、DPO、GRPO)與多模態模型(CLIP、LLaVA)。
- 提供模型部署實用指南(FastAPI、Azure Kubernetes、AWS S3、Ray、VLLM)與量化(FP8)。
- 包含 A/B 測試與因果推論教學(傾向分數匹配、差異中的差異)。
- 包含使用 Ray Tune 與 Hyperband 的超參數調校。
使用情境
此儲存庫適合正在學習資料科學與機器學習的人士,從基礎概念到進階主題皆可參考。可用於從頭實作演算法、理解數學基礎、以及應用開放原始碼函式庫。內容適合自學、課堂補充教材,或作為特定技術(如推薦系統、時間序列預測、表格資料深度學習)的快速複習。
快速開始
請參閱儲存庫的 README 以取得存取 Jupyter Notebook 的說明。文件列表中的筆記本可透過 nbviewer 連結檢視。
授權與價格
此儲存庫採用 MIT 授權,為開放原始碼。未提及價格資訊。
內容整理自該專案公開的 README 與儲存庫資訊。