Machine Learning Visualized — лучший способ понять, как работает ML *на самом деле*

Обычно машинное обучение учат по формулам или просто вызывают `fit()`. Но если ты хочешь увидеть, как алгоритмы учатся шаг за шагом, — этот проект создан для тебя.

Что это:

Открытый Jupyter Book с интерактивными ноутбуками, в которых:

- Алгоритмы реализованы «с нуля» на NumPy

- Каждый шаг визуализирован: потери, веса, градиенты, границы решений

- Можно изменять параметры и наблюдать, как это влияет на обучение

Темы:

- Градиентный спуск

- Логистическая регрессия

- Перцептрон

- K?Means и PCA

- Обратное распространение в нейросетях

Полезно:

- Если ты изучаешь машинное обучение и хочешь понять, что происходит внутри моделей

- Если преподаёшь ML и ищешь понятные наглядные материалы

- Если хочешь объяснить ML-процессы коллегам без магии

Запуск:

```

git clone https://github.com/gavinkhung/machine-learning-visualized

cd machine-learning-visualized

./download_notebooks.sh

jupyter-book build .

```

Или просто заходи на сайт:

https://ml-visualized.com/

Open Source, MIT

460+ звёзд, можно вносить вклад, добавлять новые алгоритмы и улучшать визуализации.

Учимся здесь (https://github.com/gavinkhung/machine-learning-visualized)

Источник: github.com

Комментарии: