机器学习教程人工智能数据分析【免费下载链接】mlcourse.aiOpen Machine Learning Course项目地址https://gitcode.com/gh_mirrors/ml/mlcourse.ai点击查看免费下载本篇指南以 mlcourse.ai 课程首页mlcourse_ai_jupyter_book/book/index.md为核心系统梳理这门由 OpenDataScience 社区发起、Yury Kashnitskyyorko主讲的开放机器学习课程的完整骨架从 Jupyter Book 站点的导航方式、Python/数学/工具链三方面的先修要求到 10 大主题与配套练习Demo Assignment、Bonus Assignments、Kaggle 竞赛的逐项学习路径。读完本文你将掌握如何在当前仓库中定位每一份讲义、练习与数据集并能在本地复现整个课程站点的构建过程。课程简介OpenDataScience 开源社区孕育的平衡型 ML 课程mlcourse.ai 是一门由 OpenDataScienceODS.ai社区维护的开放机器学习课程。主讲人 Yury Kashnitskyyorko拥有应用数学博士学位同时也是 Kaggle 竞赛 Master 级别选手他设计这门课程的核心目标是在理论与实践之间取得平衡讲义中贯穿数学公式而大量的练习则以 Demo Assignments 和 Kaggle Inclass 竞赛的形式出现。目前课程处于自定进度模式self-paced mode读者可以按照自己的节奏完成全部内容。从仓库布局可以直观地看到这门课程的开放性结构Jupyter Book 站点源码mlcourse_ai_jupyter_book 目录下是课程官方网站的完整内容书籍页面、静态资源、构建配置多语言 Notebook 讲义jupyter_english、jupyter_chinese、jupyter_french、jupyter_russian 四个目录分别存放英语、中文、法语和俄语版本的 Notebook每个语言目录下都按topic01topic10、assignments_demo、projects_indiv/projects_individual、tutorials等维度组织配套数据集data 目录集中存放了成人收入adult_train.csv/adult_test.csv、电信流失telecom_churn.csv、信用评分credit_scoring_train.csv、红酒质量winequality-white.csv、航班延误flight_delays_train.csv/flight_delays_test.csv等课程练习所需的全部数据文件工程化配套仓库根目录提供 README.md、Makefile、pyproject.toml 与 uv.lock支撑依赖管理与站点构建。认识这门可执行的书Jupyter Book 站点导航课程首页明确说明mlcourse.ai 官网渲染的是Jupyter Book当前使用 v1 版本——一种可执行书籍格式。它的核心优势在于页面上呈现的内容不是静态快照而是每次构建时通过运行全部 Python 代码重新生成的可执行内容。只要书籍通过 CI/CD 频繁重建就能保证网站上展示的 Python 代码是真实可运行的。在站点使用层面首页给出了四条关键导航提示方向键跳转使用键盘左右箭头可以在页面之间前后跳转下载页面任何页面右上角的 Download 按钮可以将页面保存为.mdMarkdown或 PDF查看源码右上角 GitHub 按钮可以直接跳转到当前页面的源文件提交反馈可以通过 GitHub 按钮打开 issue 或直接建议修改。站点的整体结构由目录文件 _toc.yml 定义其以jb-book格式组织为五大块Prerequisites先修要求Python、Math、Software DevOps 三章Topic 1Topic 10十大主题每个主题下依次排列 Intro、主讲义文章、视频讲义、Demo Assignment 任务与解答、Bonus AssignmentAbout the course关于课程Tutorials、Rating、Resources、Contributors 四个附加页面。而 _config.yml 则承担站点构建配置包括书籍标题与作者Yury Kashnitsky、Jupyter Book 的可执行策略execute_notebooks: cache超时设置为timeout: -1、HTML 渲染选项下载按钮、编辑按钮、issue 按钮均开启以及myst_heading_anchors: 3等 Sphinx 扩展配置。在本地复现课程站点要复现站点上看到的全部代码讲义、作业、解答等可按如下步骤操作克隆课程仓库并进入mlcourse.ai目录使用uv从 uv.lock 安装全部依赖uv sync构建 Jupyter Book课程文档 mlcourse_ai_jupyter_book/book/prereqs/software_devops.md 中给出的完整命令uv run jupyter-book build mlcourse_ai_jupyter_book构建完成后打开mlcourse_ai_jupyter_book/_build/html/index.html即可在浏览器中查看整个站点。注意完整构建需要执行所有 Notebook可能耗时约一小时。如果只是想体验 Jupyter Book 的构建流程建议先用官方模板创建一个小型示例。先修要求Python、数学与工具链三件套课程的先修要求集中记录在 mlcourse_ai_jupyter_book/book/prereqs/python.md、math.md 和 software_devops.md 三份文档中。Python会写循环、函数与类是最低门槛Python 文档指出具备基本的 Python 编程能力如编写循环、函数、类是课程的前置条件完成 DataQuest、DataCamp 或 CodeAcademy 级别的交互式教程即可满足最低要求。不过由于部分作业要求从零实现机器学习算法典型如 Bonus Assignment 8 中手写随机梯度下降文档建议对 Python 有更深入的理解。数学微积分、线性代数、概率与统计数学文档强调微积分、线性代数、概率论和统计学的基础概念对课程至关重要。文档以 Bonus Assignment 8 中的一个表达式为例如果读者对对 $w$ 求导感到陌生或不自在就应当先补齐相应数学基础。作者还引用了 Andrej Karpathy 的观点作为理解你在做什么需要数学的有力论据。软件与 DevOpsgit、bash 与环境搭建software_devops.md 是实操性最强的一篇先修文档覆盖四个方面1. git、bash 基础。文档推荐通过交互式教程掌握 git 与 GitHub 的基本操作并强调熟悉 UNIX 命令行工具wc、cat、sed、sort等的回报统计文件行数、批量替换文件内容这类基础操作用 bash 工具往往比写脚本更高效。2. 环境搭建的三种方案。文档给出了由易到难的三条路径方案说明适用场景Kaggle Notebooks / Azure ML无需本地安装直接在浏览器中 fork 课程 Notebook建议保持 private几乎所有数据集都已内置零配置快速上手Pip Anacondapip install numpy等按需安装或直接安装含 NumPy/Pandas/Sklearn/Jupyter 的 Anaconda 发行版课程还需额外安装 Xgboost、LightGBM、CatBoost、Vowpal Wabbit 及 Graphviz本地常规开发uv快速 Python 依赖管理器pip install uv安装后执行uv sync一键安装依赖追求可复现的现代工作流3. Jupyter Notebooks 的工作方式。推荐通过 Jupyter Notebook 学习课程材料安装 jupyter、下载/克隆课程仓库、在mlcourse.ai目录下运行jupyter-notebook浏览器访问http://localhost:8888/tree8888 为默认端口即可运行jupyter_english目录中的 Notebook。文档特别提示最新版本的课程材料位于mlcourse_ai_jupyter_book目录。4. Jupyter Book 与 Notebook 的区别。文档明确提醒不要将 Jupyter Book 与 Jupyter Notebook 混淆Book 是可执行的书其页面内容随构建动态生成。10 大主题从 Pandas 数据探索到梯度提升的完整学习路径课程主体由 10 个主题组成每个主题在 _toc.yml 中占据一个 caption 区块并配有一份topicXX_intro.md引导页给出该主题的读文章 → 看视频 → 做作业 → 对答案 → 挑战 Bonus五步法。综合各主题 Intro 与目录结构完整路线如下主题核心技术内容对应目录Topic 1探索性数据分析Pandas、电信用户流失预测mlcourse_ai_jupyter_book/book/topic01Topic 2可视化数据分析Seaborn/Matplotlib/Plotlymlcourse_ai_jupyter_book/book/topic02Topic 3分类、决策树与 k 近邻kNNmlcourse_ai_jupyter_book/book/topic03Topic 4线性分类与回归OLS、逻辑回归、正则化、学习曲线mlcourse_ai_jupyter_book/book/topic04Topic 5Bagging、随机森林与特征重要性mlcourse_ai_jupyter_book/book/topic05Topic 6特征工程与特征选择mlcourse_ai_jupyter_book/book/topic06Topic 7无监督学习主成分分析PCA与聚类mlcourse_ai_jupyter_book/book/topic07Topic 8随机梯度下降SGD、哈希技巧与 Vowpal Wabbit 在线学习mlcourse_ai_jupyter_book/book/topic08Topic 9Python 时间序列分析与 Facebook Prophetmlcourse_ai_jupyter_book/book/topic09Topic 10梯度提升Xgboost、LightGBM、CatBoost 三大实现mlcourse_ai_jupyter_book/book/topic10以 Topic 1 引导页 为例它给出的学习步骤极具代表性阅读讲义文章 Exploratory data analysis with Pandas可选观看视频讲义 Pandas Data Analysis完成 Demo Assignment 1用 Pandas 探索 UCI Adult 人口普查数据对应仓库 data/adult_train.csv 与 data/adult_test.csv可选对照 解答可选完成 Bonus Assignment 1用 Pandas 分析奥运会历史数据。这种文章 视频 演示作业 解答 奖金作业的五步循环贯穿全部 10 个主题构成课程最稳定的学习节奏。从理论到实战Demo Assignments 与 Kaggle 竞赛课程的理论知识通过 10 个 Demo Assignments 落地其中不少直接对接 Kaggle 平台。从 jupyter_english/assignments_demo 目录可以完整看到这一组练习练习数据集/任务对应仓库数据文件assignment01UCI Adult 人口普查收入预测data/adult_train.csvassignment02心血管疾病数据分析assignment03决策树与随机森林assignment04 / assignment04_sarcasm_detection_with_logit线性回归优化 / 逻辑回归讽刺文本检测assignment05信用评分建模data/credit_scoring_train.csvassignment06红酒质量回归data/winequality-white.csvassignment07手机加速度计/陀螺仪数据的聚类分析assignment08从零实现 SGD 回归器assignment09时间序列分析assignment10Kaggle Flight delays 航班延误竞赛data/flight_delays_train.csv其中 Topic 10 的引导页特别说明Demo Assignment 10 要求在使用 CatBoost 提供的 starter 代码基础上击败 Kaggle Flight delays 竞赛的 baseline——这是课程中边学边赛模式的典型代表。中文读者也可以在 jupyter_chinese/assignments_demo 中找到全部演示作业的中文版本。Bonus Assignments付费解锁的高阶挑战除了免费内容课程还提供Bonus Assignments 包汇集了各主题的非演示版最佳作业。根据首页的说明获取方式为 PatreonBonus Assignments tier或 Boosty俄语上的对应订阅贡献金额为$17/月计费规则首笔付款在加入 Tier 时扣除次笔在次月 1 日扣除因此建议在每月上半月购买以获得完整使用期课程本身永远不会全面商业化——它诞生于开放的 ODS.ai 社区将保持开放免费付费仅用于覆盖部分运营成本注意与课程其余内容不同Bonus Assignments 受版权保护公开分享被禁止作者非正式允许与 23 位朋友私下共享。Bonus 包共含10 个作业其中几个极具含金量Bonus内容仓库位置Bonus 4在 Alice网页会话追踪入侵者检测Kaggle 竞赛中击败 baseline全程引导式学习mlcourse_ai_jupyter_book/book/topic04/bonus_assignment04_alice_baselines.mdBonus 6在 Medium Kaggle 竞赛中击败 baselinemlcourse_ai_jupyter_book/book/topic06/bonus_assignment06.mdBonus 7使用 Sklearn 内置实现进行降维与聚类应用于经典 faces 数据集mlcourse_ai_jupyter_book/book/topic07/bonus_assignment07.mdBonus 8从数学推导到代码实现手写基于 SGD 的回归器与分类器mlcourse_ai_jupyter_book/book/topic08/bonus_assignment08.mdBonus 10从零实现梯度提升算法mlcourse_ai_jupyter_book/book/topic10/bonus_assignment10.md其余 Bonus1、2、3、5、9分别对应 Pandas 奥运会数据分析、可视化分析、决策树、逻辑回归/随机森林和时间序列主题均可在mlcourse_ai_jupyter_book/book/topic0X/对应目录中找到。关于课程板块Tutorials、Rating、Resources 与 Contributors首页末尾指引读者关注站点左侧的 About the course 板块四个附加页面位于 mlcourse_ai_jupyter_book/book/extra 目录Tutorials课程的一项作业是让学员撰写几乎任意 ML/DS 主题的教程这里汇总了成果。从 Spring 2019 与 Fall 2018 两届的列表可以看到主题覆盖 imbalance-learn、LDA/PCA、Autoencoders、梯度下降实现、ML 可解释性、超参数优化Hyperopt、PySpark 协同过滤、H2O AutoML、spaCy 聊天机器人、LSTM 时间序列预测、Isolation Forest 异常检测等大量方向。这些教程的实际 Notebook 均归档在 jupyter_english/tutorials 目录中也是仓库中最丰富的内容资产之一Rating过去各届课程的排行榜。榜单由作业、竞赛、教程和独立项目的全部活动积分汇总而成页面记录了第 16 届2017 春2019 秋各届 Top-100部分为 Top-10选手名单Resources构成课程的其他资源清单如 YouTube 播放列表、历史文章等Contributors课程作者与贡献者名单及致谢。如何结合仓库开启学习综合以上所有信息最推荐的仓库使用方式是站点导航 Notebook 实操双轨并行全局导航以 index.md 为入口结合 _toc.yml 掌握课程全貌先通过 python.md、math.md 与 software_devops.md 完成自我评估逐主题推进从 Topic 1 引导页 开始依次完成阅读、观看、练习、对照解答四个环节直到 Topic 10 梯度提升动手实操在uv sync装好依赖后直接打开 jupyter_english/topic01_pandas_data_analysis 等目录中的 Notebook 逐行运行所有练习所需数据都集中在 data 目录本地复现站点执行uv run jupyter-book build mlcourse_ai_jupyter_book即可获得与线上完全一致的、可执行内容实时更新的课程站点进而验证讲义中的每一段代码都是真实可运行的。对中文学习者而言jupyter_chinese 目录提供了与英文版一一对应的中文讲义与演示作业如 topic01-使用-Pandas-进行数据探索.ipynb可以与英文原版对照学习兼顾语言习惯与术语准确性。赞分享机器学习教程人工智能数据分析【免费下载链接】mlcourse.aiOpen Machine Learning Course项目地址https://gitcode.com/gh_mirrors/ml/mlcourse.ai点击查看免费下载相关推荐Stable Diffusion 2-1 Base终极指南8GB显存轻松实现AI绘画生成Stable Diffusion 2 1 Base终极指南8GB显存轻松实现AI绘画生成 Stable Diffusion 2 1 Base是当前最实用的开源mlcourse.ai 开源机器学习课程教程mlcourse.ai 开源机器学习课程教程 1. 项目介绍 mlcourse.ai 是一个由 OpenDataScience ods.ai 社区主导的开源机器机器学习教程人工智能数据分析机器学习初学者学习路线指南python-machine-learning-book 仓库 FAQ 推荐的课程与书籍路径机器学习初学者学习路线指南python machine learning book 仓库 FAQ 推荐的课程与书籍路径 本文基于 python machine机器学习教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考