Inicio Proyectos machine-learning-refined
machine-learning-refined

machine-learning-refined

por neonwatty · GitHub

Domina los fundamentos del aprendizaje automático, aprendizaje profundo y optimización matemática construyendo conceptos y modelos clave desde cero utilizando Python.

Ver en GitHub
En palabras simples

Aprende aprendizaje automático construyendo modelos desde cero con Python y ejercicios prácticos.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Licencia no especificada
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
machine-learning-refined — GitHub preview card
📈 Historial de estrellas
2.25k2.23k
2026-07-072026-07-29
📈 Sigue machine-learning-refined

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Domina los fundamentos del aprendizaje automático, aprendizaje profundo y optimización matemática construyendo conceptos y modelos clave desde cero utilizando Python.

machine-learning-refined tiene 2.2k estrellas en GitHub. Se ha bifurcado 705 veces. machine-learning-refined está escrito principalmente en Python. Se desarrolla activamente desde 2016. Sus temas principales son: artificial-intelligence, data-science, deep-learning, jupyter-notebook.

Frequently asked questions

¿Qué es machine-learning-refined?

Domina los fundamentos del aprendizaje automático, aprendizaje profundo y optimización matemática construyendo conceptos y modelos clave desde cero utilizando Python.

¿machine-learning-refined es de código abierto?

machine-learning-refined es un proyecto de código abierto.

¿machine-learning-refined es gratis?

Sí. machine-learning-refined es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito machine-learning-refined?

machine-learning-refined está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — machine-learning-refined

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=neonwatty-machine-learning-refined)](https://opensourceai.tech/project/neonwatty-machine-learning-refined.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
machine-learning
:earth_americas: tutoriales de aprendizaje automático (principalmente en Python3)
3.5k · data-science
compartejupyter-notebookdata-science
machine-learning-visualized
Algoritmos de ML implementados y derivados de principios fundamentales en Jupyter Notebooks y N…
1.8k · book
compartenumpyjupyter-notebook
scikit-learn-videos
Cuadernos Jupyter de la serie de videos de scikit-learn
3.8k · data-science
compartejupyter-notebookdata-science
numerical-linear-algebra
Libro de texto en línea gratuito de cuadernos Jupyter para el curso de Álgebra Lineal Computaci…
10.9k · algorithms
compartenumpydata-science
jupyter-text2code
Una extensión de jupyter de prueba de concepto que convierte consultas en inglés en código pyth…
2.1k · jupyter-notebook
compartejupyter-notebook
ML-foundations
Fundamentos de Aprendizaje Automático: Álgebra Lineal, Cálculo, Estadísticas y Ciencias de la C…
4.8k · calculus
compartenumpyjupyter-notebook
lgo
Programación interactiva en Go con Jupyter
2.5k · data-science
compartejupyter-notebookdata-science
deepschool.io
Tutoriales de Aprendizaje Profundo en notebooks de jupyter.
1.8k · deep-learning
compartejupyter-notebook
industry-machine-learning
Una lista curada de cuadernos y bibliotecas de aprendizaje automático aplicado y ciencia de dat…
7.5k · data-science
compartejupyter-notebookdata-science
learn-machine-learning-in-two-months
Conocimientos esenciales para aprender Machine Learning en dos meses.
2.1k · javascript
compartenumpyjupyter-notebook

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.