ML-From-Scratch
Maschinelles Lernen von Grund auf. Minimalistische NumPy-Implementierungen von Modellen und Algorithmen des maschinellen Lernens mit Fokus auf Zugänglichkeit. Ziel ist es, alles von linearer Regression bis hin zu Deep Learning abzudecken.
Erforschen Sie die Grundlagen des maschinellen Lernens, indem Sie verschiedene Modelle und Algorithmen von Grund auf mit Python implementieren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarMaschinelles Lernen von Grund auf. Minimalistische NumPy-Implementierungen von Modellen und Algorithmen des maschinellen Lernens mit Fokus auf Zugänglichkeit. Ziel ist es, alles von linearer Regression bis hin zu Deep Learning abzudecken.
ML-From-Scratch hat 32.4k Sterne auf GitHub. Es wurde 5.4k-mal geforkt. ML-From-Scratch ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. ML-From-Scratch ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: data-mining, data-science, deep-learning, deep-reinforcement-learning.
Was ist ML-From-Scratch?
Maschinelles Lernen von Grund auf. Minimalistische NumPy-Implementierungen von Modellen und Algorithmen des maschinellen Lernens mit Fokus auf Zugänglichkeit. Ziel ist es, alles von linearer Regression bis hin zu Deep Learning abzudecken.
Ist ML-From-Scratch Open Source?
ML-From-Scratch ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist ML-From-Scratch kostenlos?
Ja. ML-From-Scratch ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht ML-From-Scratch?
ML-From-Scratch ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist ML-From-Scratch geschrieben?
ML-From-Scratch ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/eriklindernoren-ml-from-scratch.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.