ethen8181/machine-learning

解決する問題

このリポジトリは、理論と実践のバランスを取ることで、著者と読者が機械学習の概念を深く理解するのに役立つ個人の学習アーカイブです。基本的なアルゴリズムから高度な深層学習アーキテクチャ、実用的なデプロイメントと評価戦略までをカバーする、厳選された整理されたノートブックを提供することで、知識の散在という問題を解決します。

仕組み

コンテンツはJupyterノートブックとして構成され、各ノートブックは特定のトピックに焦点を当てています。多くのノートブックは、Pythonの科学スタック（numpy、scipy、pandas、matplotlib）を使用してアルゴリズムをゼロから実装し、基礎となる数学を説明し、その後scikit-learn、TensorFlow、PyTorchなどの確立されたライブラリの使用方法を示します。リポジトリは継続的に更新され、各ノートブックは簡単に表示できるようにHTMLページとしても利用できます。カバレッジは広範で、深層学習（CNN、RNN、Transformer、ファインチューニング、対比学習）、モデルデプロイメント（FastAPI、Kubernetes、vLLM）、A/Bテストと因果推論、時系列予測、レコメンデーションシステムなどが含まれます。

対象読者

ライブラリ関数を呼び出すだけでなく、理解を深めたいデータサイエンスおよび機械学習の実践者向けです。また、数学的導出と実践的なコードの組み合わせを好む学生や独学者にも役立ちます。チュートリアルは初心者から中級/上級まであり、基本的なPython知識を持ち、機械学習のトピックを体系的に探求したい人に適しています。

ハイライト

• 線形回帰から最先端のLLMファインチューニング（例：DPO、GRPO）まで、20以上のトピック領域をカバーする多数のJupyterノートブック。
• numpy、numba、scipyなどを使用したゼロからの実装と数学的記法のバランス、およびscikit-learn、PyTorch、TensorFlowなどの人気ライブラリの使用。
• 実用的なエンドツーエンドプロジェクト（Kaggleコンペティション）とFastAPI、Kubernetes、クラウドサービスを使用したデプロイメント例を含む。
• Transformerモデル、対比学習、CLIP、LLMアライメント技術などの現代的なトピックをカバー。
• 各ノートブックは静的HTMLとしても利用でき、コードを実行せずに簡単に閲覧できます。