ML-From-Scratch
Aprendizaje automático desde cero. Implementaciones básicas de NumPy de modelos y algoritmos de aprendizaje automático con un enfoque en la accesibilidad. Busca cubrir todo, desde regresión lineal hasta aprendizaje profundo.
Explora los conceptos básicos del aprendizaje automático implementando varios modelos y algoritmos desde cero utilizando Python.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasAprendizaje automático desde cero. Implementaciones básicas de NumPy de modelos y algoritmos de aprendizaje automático con un enfoque en la accesibilidad. Busca cubrir todo, desde regresión lineal hasta aprendizaje profundo.
ML-From-Scratch tiene 32.3k estrellas en GitHub. Se ha bifurcado 5.4k veces. ML-From-Scratch está escrito principalmente en Python. Se desarrolla activamente desde 2017. ML-From-Scratch está disponible bajo la licencia MIT. Sus temas principales son: data-mining, data-science, deep-learning, deep-reinforcement-learning.
¿Qué es ML-From-Scratch?
Aprendizaje automático desde cero. Implementaciones básicas de NumPy de modelos y algoritmos de aprendizaje automático con un enfoque en la accesibilidad. Busca cubrir todo, desde regresión lineal hasta aprendizaje profundo.
¿ML-From-Scratch es de código abierto?
ML-From-Scratch es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿ML-From-Scratch es gratis?
Sí. ML-From-Scratch es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está ML-From-Scratch?
ML-From-Scratch está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito ML-From-Scratch?
ML-From-Scratch está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/eriklindernoren-ml-from-scratch.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.