![](https://webcf.waybackmachine.org/web/20240401193544/https://habrastorage.org/getpro/habr/upload_files/2f9/768/0c3/2f97680c3a2ab4e446d47a67608239cb.png)
В данной статье в виде ссылок представлены все популярные алгоритмы классического машинного обучения с их подробным теоретическим описанием и немного упрощённой реализацией с нуля на Python, отражающей основную идею. Помимо этого, в конце каждой темы указаны дополнительные источники для более глубокого ознакомления, а суммарное время прочтения статей ниже составляет более трёх часов!
Ноутбуки с данными алгоритмами можно загрузить на Kaggle (eng) и GitHub (rus).
Это будет полезно не только начинающим свой путь в ML (хотя и сложновато), но и более опытным специалистам, которые хотят лучше ознакомиться с теорией и тонкостями реализации алгоритмов, пройдя путь от основ до более продвинутых тем, некоторые из которых обсуждаются в последних научных статьях.
Данные статьи являются частью будущего теоретического курса по машинному обучению, который будет представлен немного позже и будет включать в себя туториалы по ML-библиотекам, а также всю необходимую теорию, начиная от способов оценки моделей и заканчивая методами оптимизации в ML и DL в целом.
🔔 Если вам понравился данный формат и вы хотите меня поддержать, буду очень признателен вашим голосам на Kaggle.
На а теперь поехали!
Обучение с учителем
Обучение без учителя
Всем успехов и до новых встреч! ✨