ethen8181/machine-learning

它解决了什么问题

这个仓库是一个个人学习档案，通过平衡理论与实践，帮助作者和读者深入理解机器学习概念。它通过提供精选、组织良好的笔记本，涵盖了从基础算法到高级深度学习架构，以及实际部署和评估策略，解决了知识分散的问题。

它是如何工作的

内容以Jupyter笔记本的形式组织，每个笔记本专注于一个特定主题。许多笔记本使用Python科学栈（numpy、scipy、pandas、matplotlib）从零开始实现算法，以说明底层数学原理，然后展示如何使用scikit-learn、TensorFlow、PyTorch等成熟库。该仓库持续更新，每个笔记本也提供HTML页面以便于查看。覆盖范围广泛，包括深度学习（CNN、RNN、Transformer、微调、对比学习）、模型部署（FastAPI、Kubernetes、vLLM）、A/B测试和因果推断、时间序列预测、推荐系统等。

适合谁

适合那些希望超越简单调用库函数、深入理解数据科学和机器学习实践者。也适用于喜欢数学推导和动手代码相结合的学生和自学者。教程从初学者到中级/高级不等，因此适合具有基本Python知识并希望系统探索机器学习主题的人。

亮点

• 大量Jupyter笔记本，涵盖20多个主题领域，从线性回归到最先进的LLM微调（例如DPO、GRPO）。
• 数学符号与使用numpy、numba、scipy等从零开始的实现之间的平衡，以及使用scikit-learn、PyTorch、TensorFlow等流行库。
• 包含实际的端到端项目（Kaggle竞赛）和部署示例，使用FastAPI、Kubernetes和云服务。
• 涵盖现代主题，如Transformer模型、对比学习、CLIP和LLM对齐技术。
• 每个笔记本也提供静态HTML版本，便于无需运行代码即可浏览。