Repolode
提交项目
MLEveryday

MLEveryday/100-Days-Of-ML-Code

一套中文机器学习100天学习路线，提供Python代码、讲解与练习，目前覆盖第1至54天。

在 GitHub 查看
Star
22,234
Fork
5,455
未关闭 Issue
18
最近提交
15天前

这是什么？

这是一套面向中文读者的机器学习学习路线，改编自英文版的100天课程。内容按天组织，从数据预处理、线性回归讲起，依次覆盖分类算法、神经网络、决策树、基于MNIST和猫狗图片的CNN，以及聚类和NumPy、pandas、Matplotlib的基础用法。

每个实现课都提供Code目录下的Python脚本，并配有由同一源文件生成的Markdown讲解和Jupyter Notebook。脚本默认把图形保存到outputs目录。基础课程依赖通过requirements文件安装，深度学习依赖需单独安装，基础部分不需要GPU。目前仅覆盖第1至54天，第55至100天尚未编写。

项目还包含数据集说明、数据泄漏和模型格式等常见问题解答，以及面向零基础和有基础读者的学习路径。课程已更新数据预处理、模型评价、新版scikit-learn和Keras 3的用法。

核心功能

  • 01从数据预处理到CNN与聚类的逐日课程
  • 02Python脚本配有Markdown讲解和Jupyter Notebook
  • 03脚本运行时将图形保存到outputs目录
  • 04提供MNIST和猫狗数据集的准备说明
  • 05示例已更新至新版scikit-learn和Keras 3

适用场景

  • 希望系统入门机器学习的中文零基础学习者
  • 想通过可运行代码复习监督与无监督算法的开发者
  • 需要带Notebook和练习的课堂教学材料的讲师

快速上手

  1. 1

    创建虚拟环境

    python -m venv .venv
  2. 2

    激活虚拟环境

    source .venv/bin/activate
  3. 3

    安装依赖

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

    运行 Day 1 脚本

    python "Code/Day 1_Data_Preprocessing.py"

使用前须知

  • 课程目前仅覆盖 Day 1 至 54，Day 55 至 100 尚未编写。
  • 课程说明以中文为主。

标签

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

常见问题

100-Days-Of-ML-Code 是什么？
一套中文机器学习100天学习路线，提供Python代码、讲解与练习，目前覆盖第1至54天。 这是一套面向中文读者的机器学习学习路线，改编自英文版的100天课程。内容按天组织，从数据预处理、线性回归讲起，依次覆盖分类算法、神经网络、决策树、基于MNIST和猫狗图片的CNN，以及聚类和NumPy、pandas、Matplotlib的基础用法。
100-Days-Of-ML-Code 可以免费使用吗？用的什么许可证？
100-Days-Of-ML-Code 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
100-Days-Of-ML-Code 还在维护吗？
活跃维护中。100-Days-Of-ML-Code 最近一次提交是在 2026年10月24日。
100-Days-Of-ML-Code 适合用来做什么？
希望系统入门机器学习的中文零基础学习者 想通过可运行代码复习监督与无监督算法的开发者 需要带Notebook和练习的课堂教学材料的讲师
100-Days-Of-ML-Code 怎么安装和运行？
创建虚拟环境: python -m venv .venv 激活虚拟环境: source .venv/bin/activate 安装依赖: python -m pip install -r requirements.txt 运行 Day 1 脚本: python "Code/Day 1_Data_Preprocessing.py"
在哪里获取 100-Days-Of-ML-Code？
源代码和安装说明在 GitHub 上：https://github.com/MLEveryday/100-Days-Of-ML-Code

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目