Repolode
Enviar
MLEveryday

MLEveryday/100-Days-Of-ML-Code

Curso de machine learning de 100 días en chino, con código Python, apuntes y ejercicios; hasta ahora abarca del día 1 al 54.

Ver en GitHub
Estrellas
22,234
Forks
5,455
Issues abiertos
18
Último commit
hace 14 días

¿Qué es?

Este repositorio ofrece una ruta de aprendizaje de machine learning en chino simplificado, adaptada de un curso en inglés de 100 días. Se organiza en lecciones diarias que avanzan desde el preprocesamiento de datos y la regresión lineal hasta la clasificación, las redes neuronales, los árboles de decisión, las CNN con MNIST e imágenes de gatos y perros, el clustering y los fundamentos de NumPy, pandas y Matplotlib.

Cada lección combina scripts de Python en la carpeta Code con explicaciones en Markdown y notebooks de Jupyter generados a partir de la misma fuente. Los scripts guardan sus gráficos en una carpeta outputs. La configuración incluye Python 3.11 o 3.12, un archivo requirements para el curso básico y una instalación independiente de las dependencias de deep learning. Los días 55 a 100 todavía no están escritos.

El proyecto también incluye una guía de conjuntos de datos, una sección de preguntas frecuentes sobre errores comunes, como la fuga de datos y los formatos de modelos, una guía de aprendizaje para principiantes y lectores con experiencia, y notas sobre cómo actualizar ejemplos que dependen de API antiguas.

Funciones clave

  • 01Lecciones diarias que abarcan desde el preprocesamiento de datos hasta las CNN y el clustering
  • 02Scripts de Python acompañados de apuntes en Markdown y notebooks de Jupyter
  • 03Los scripts guardan los gráficos en una carpeta outputs al ejecutarse
  • 04Guía para preparar conjuntos de datos de MNIST e imágenes de gatos y perros
  • 05Ejemplos actualizados para scikit-learn moderno y Keras 3

Casos de uso

  • Personas principiantes de habla china que buscan un primer curso estructurado de machine learning
  • Desarrolladores que quieren repasar algoritmos básicos supervisados y no supervisados con código ejecutable
  • Docentes que buscan material para clases con notebooks y ejercicios

Inicio rápido

  1. 1

    Crear un entorno virtual

    python -m venv .venv
  2. 2

    Activar el entorno virtual

    source .venv/bin/activate
  3. 3

    Instalar los requisitos

    python -m pip install -r requirements.txt
  4. 4

    Ejecutar el script del Day 1

    python "Code/Day 1_Data_Preprocessing.py"

Antes de usarlo

  • El contenido del curso abarca del Day 1 al Day 54; el contenido del Day 55 al Day 100 aún no está escrito.
  • Las lecciones y las notas están en chino.

Temas

#machine-learning#deep-learning#python#tutorial#jupyter-notebook#scikit-learn#keras#chinese#100-days-of-ml-code#chinese-simplified

Preguntas frecuentes

¿Qué es 100-Days-Of-ML-Code?
Curso de machine learning de 100 días en chino, con código Python, apuntes y ejercicios; hasta ahora abarca del día 1 al 54. Este repositorio ofrece una ruta de aprendizaje de machine learning en chino simplificado, adaptada de un curso en inglés de 100 días. Se organiza en lecciones diarias que avanzan desde el preprocesamiento de datos y la regresión lineal hasta la clasificación, las redes neuronales, los árboles de decisión, las CNN con MNIST e imágenes de gatos y perros, el clustering y los fundamentos de NumPy, pandas y Matplotlib.
¿100-Days-Of-ML-Code es gratuito? ¿Qué licencia tiene?
100-Days-Of-ML-Code es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿100-Days-Of-ML-Code sigue mantenido?
Mantenimiento activo. El último commit de 100-Days-Of-ML-Code fue el 24 oct 2026.
¿Para qué puedo usar 100-Days-Of-ML-Code?
Personas principiantes de habla china que buscan un primer curso estructurado de machine learning Desarrolladores que quieren repasar algoritmos básicos supervisados y no supervisados con código ejecutable Docentes que buscan material para clases con notebooks y ejercicios
¿Cómo se instala 100-Days-Of-ML-Code?
Crear un entorno virtual: python -m venv .venv Activar el entorno virtual: source .venv/bin/activate Instalar los requisitos: python -m pip install -r requirements.txt Ejecutar el script del Day 1: python "Code/Day 1_Data_Preprocessing.py"
¿Dónde consigo 100-Days-Of-ML-Code?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/MLEveryday/100-Days-Of-ML-Code

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados