Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей.
MLEveryday/100-Days-Of-ML-Code
Курс машинного обучения на китайском языке на 100 дней: код на Python, заметки и упражнения; пока охвачены дни с 1 по 54.
- Звёзды
- 22,234
- Форки
- 5,455
- Открытые issues
- 18
- Последний коммит
- 15 дней назад
Что это?
Этот репозиторий — учебный курс по машинному обучению на упрощённом китайском языке, основанный на англоязычном курсе на 100 дней. Материал разбит на ежедневные уроки: от предобработки данных и линейной регрессии до классификации, нейронных сетей, деревьев решений, CNN для MNIST и изображений кошек и собак, кластеризации, а также основ NumPy, pandas и Matplotlib.
К каждому уроку прилагаются Python-скрипты из папки Code, пояснения в Markdown и Jupyter-ноутбуки, созданные на основе тех же материалов. Скрипты сохраняют графики в папку outputs. В инструкциях по настройке указаны Python 3.11 или 3.12, файл requirements для базового курса и отдельная установка зависимостей для глубокого обучения. Дни с 55 по 100 пока не написаны.
В проект также входят руководство по наборам данных, FAQ с разбором распространённых ошибок, таких как утечка данных и форматы моделей, рекомендации по обучению для начинающих и опытных читателей, а также заметки об обновлении примеров, использующих устаревшие API.
Ключевые возможности
- 01Ежедневные уроки: от предобработки данных до CNN и кластеризации
- 02Python-скрипты с пояснениями в Markdown и Jupyter-ноутбуками
- 03Скрипты сохраняют графики в папку outputs
- 04Руководство по подготовке данных для MNIST и изображений кошек и собак
- 05Обновлённые примеры для современных версий scikit-learn и Keras 3
Сценарии использования
- Для начинающих, говорящих на китайском, которым нужен структурированный вводный курс по машинному обучению
- Для разработчиков, повторяющих основные алгоритмы обучения с учителем и без учителя на исполняемом коде
- Для преподавателей, которым нужны учебные материалы с ноутбуками и упражнениями
Быстрый старт
- 1
Создать виртуальное окружение
python -m venv .venv - 2
Активировать виртуальное окружение
source .venv/bin/activate - 3
Установить необходимые зависимости
python -m pip install -r requirements.txt - 4
Запустить скрипт Day 1
python "Code/Day 1_Data_Preprocessing.py"
Что важно знать
- Материалы курса охватывают период с Day 1 по Day 54; материалы с Day 55 по Day 100 ещё не написаны.
- Уроки и заметки представлены на китайском языке.
Темы
Частые вопросы
- Что такое 100-Days-Of-ML-Code?
- Курс машинного обучения на китайском языке на 100 дней: код на Python, заметки и упражнения; пока охвачены дни с 1 по 54. Этот репозиторий — учебный курс по машинному обучению на упрощённом китайском языке, основанный на англоязычном курсе на 100 дней. Материал разбит на ежедневные уроки: от предобработки данных и линейной регрессии до классификации, нейронных сетей, деревьев решений, CNN для MNIST и изображений кошек и собак, кластеризации, а также основ NumPy, pandas и Matplotlib.
- 100-Days-Of-ML-Code можно использовать бесплатно? Какая у него лицензия?
- 100-Days-Of-ML-Code распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- 100-Days-Of-ML-Code всё ещё поддерживается?
- Активно поддерживается. Последний коммит в 100-Days-Of-ML-Code — 24 окт. 2026 г..
- Для чего можно использовать 100-Days-Of-ML-Code?
- Для начинающих, говорящих на китайском, которым нужен структурированный вводный курс по машинному обучению Для разработчиков, повторяющих основные алгоритмы обучения с учителем и без учителя на исполняемом коде Для преподавателей, которым нужны учебные материалы с ноутбуками и упражнениями
- Как установить 100-Days-Of-ML-Code?
- Создать виртуальное окружение: python -m venv .venv Активировать виртуальное окружение: source .venv/bin/activate Установить необходимые зависимости: python -m pip install -r requirements.txt Запустить скрипт Day 1: python "Code/Day 1_Data_Preprocessing.py"
- Где скачать 100-Days-Of-ML-Code?
- Исходный код и инструкции по установке — на GitHub: https://github.com/MLEveryday/100-Days-Of-ML-Code
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Учебный репозиторий на китайском языке: основы математики для ИИ, машинное и глубокое обучение, Transformer, BERT и разборы конкурсных задач с пояснениями к коду и датасетами.
Подборка примеров в Jupyter Notebook с реализациями архитектур глубокого обучения и советами по обучению на PyTorch и TensorFlow.
Коллекция из более чем 90 практических проектов-уроков по LLM, RAG-пайплайнам и AI-агентам, сгруппированных по уровню сложности.
Библиотека предобученных моделей для Keras 3: модели для текста, изображений и аудио, работающие с JAX, TensorFlow или PyTorch.
Учебный курс на китайском для начинающих: создание GPT-2 с нуля на PyTorch на примере из трёх слов «кот ест рыбу».