Início Projetos machine_learning_complete
machine_learning_complete
Jupyter Notebook

machine_learning_complete

Um repositório abrangente de aprendizado de máquina contendo mais de 30 notebooks sobre diferentes conceitos, algoritmos e técnicas.

por Nyandwi · GitHub
Estrelas
Forks
Licença
Criado
Último commit
computer-visiondata-analysisdata-scienceMITJupyter Notebook
Ver no GitHub
Em palavras simples

Explore mais de 30 notebooks cobrindo vários conceitos e técnicas de aprendizado de máquina.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
machine_learning_complete — GitHub preview card
📈 Histórico de estrelas
5.03k5.02k
2026-07-042026-08-31
📈 Acompanhe machine_learning_complete

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Um repositório abrangente de aprendizado de máquina contendo mais de 30 notebooks sobre diferentes conceitos, algoritmos e técnicas.

machine_learning_complete tem 5k estrelas no GitHub. Foi bifurcado 835 vezes. machine_learning_complete é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2021. machine_learning_complete está disponível sob a licença MIT. Os seus principais temas são: computer-vision, data-analysis, data-science, data-visualization.

Frequently asked questions

O que é machine_learning_complete?

Um repositório abrangente de aprendizado de máquina contendo mais de 30 notebooks sobre diferentes conceitos, algoritmos e técnicas.

machine_learning_complete é de código aberto?

machine_learning_complete é um projeto de código aberto. É distribuído sob a licença MIT.

machine_learning_complete é gratuito?

Sim. machine_learning_complete é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está machine_learning_complete?

machine_learning_complete está disponível sob a licença MIT.

Em que linguagem machine_learning_complete está escrito?

machine_learning_complete é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — machine_learning_complete

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=nyandwi-machine-learning-complete)](https://olud.ai/project/nyandwi-machine-learning-complete.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
streamlit
Streamlit — Uma maneira mais rápida de construir e compartilhar aplicativos de dados.
45.3k · data-analysis
partilhadata-visualizationdata-analysis
gradio
Construa e compartilhe aplicativos de aprendizado de máquina encantadores, tudo em Python. 🌟 Dê…
43.2k · data-analysis
partilhadata-visualizationdata-analysis
ml-workspace
🛠 IDE baseada na web tudo-em-um especializada em aprendizado de máquina e ciência de dados.
3.5k · anaconda
partilhadata-visualizationdata-analysis
responsible-ai-toolbox
A Caixa de Ferramentas de AI Responsável é um conjunto de ferramentas que fornece interfaces de…
1.8k · data-analysis
partilhadata-visualizationdata-analysis
Data-Science-For-Beginners
10 Semanas, 20 Aulas, Ciência de Dados para Todos!
36.8k · data-analysis
partilhadata-visualizationdata-analysis
Auto-Analyst
Plataforma de ciência de dados impulsionada por IA de código aberto.
706 · ai
partilhadata-visualizationdata-analysis
scikit-learn
scikit-learn: aprendizado de máquina em Python
66.7k · data-analysis
partilhadata-analysisdata-science
imbalanced-learn
Um Pacote Python para Enfrentar a Maldição de Conjuntos de Dados Desequilibrados em Aprendizado…
7.1k · data-analysis
partilhadata-analysisdata-science
DataFrame
DataFrame C++ para análise estatística, financeira e de ML em C++ moderno
3k · ai
partilhadata-analysisdata-science
mito
Extensões Jupyter que ajudam você a escrever código mais rápido: Chat de IA ciente do contexto,…
2.6k · ai
partilhadata-analysisdata-science

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.