返回资源列表

GitHub(作者 otoloism;配套 WikiDocs 教材与 mldict.net 网站) · otoloism

Zero to 머신러닝 딥러닝 Master — 配套示例代码仓库

跟随教材逐节运行代码,从线性代数、微积分与概率基础出发,经 NumPy/Pandas 与经典机器学习,过渡到神经网络与深度学习实践。

打开官方课程
难度
入门
形式
开源项目
语言
韩语
规模
3 个课节
内容费用
费用待核验
动手
需要动手环境

使用限制

代码托管在公开 GitHub 仓库,克隆即可;练习主要在本地 Python 环境完成,讲解需另开 WikiDocs 书页与 Medium 文章。无需专用账号,仓库未提到 GPU 或付费要求。

学习材料
Git 或 GitHub 网页下载,用于获取仓库代码配套讲解在 WikiDocs 书页与 Medium 系列文章,访问条件原站未说明
补充内容
个别节需要外部 API 密钥,仓库未说明具体是哪些,可能影响对应节的运行

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「Zero to 머신러닝 딥러닝 Master — 配套示例代码仓库」。课程目录是 zero-to-ml-master/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 3 节 · 官方顺序

  1. 01仓库主页与 README(代码目录总览)
  2. 02TOC.md(课节结构)
  3. 03配套教材:Zero to 머신러닝 딥러닝 Master(WikiDocs)

来源与使用须知

收录时间
本站首次收录 2026-10-18
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。