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。
GitHub
- 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
学完你能
- 用 NumPy 实现向量与矩阵运算，理解范数、内积、余弦相似度和矩阵乘法
- 用最小二乘法与正规方程求解线性回归问题
- 手算并代码实现导数、偏导与梯度，比较不同学习率下的梯度下降效果
- 用 SymPy/NumPy 求特征值、SVD 和 PCA，并用于降维与推荐系统示例
- 用纯 NumPy 写一个约 60 行的小型神经网络解决 XOR，再改写为 PyTorch 版本
- 理解常见描述统计量、正态分布、MLE 与假设检验在数据诊断中的用法
- 按节运行仓库中的脚本或笔记本，复现书中代码块的结果
适合你吗
适合
适合想边读教材边动手敲代码的入门者，尤其是需要补齐机器学习数学基础、并想对比 NumPy 手写实现与 PyTorch 写法的人。
暂不适合
不适合只想要完整讲解文本或中文内容的读者：仓库主要是代码与简短 README，系统讲解在 WikiDocs 书页；也不适合寻找前沿大模型/Agent 实践的人。
需要先会
假定读者是“非专业者/数学基础薄弱”的起点，书中第 00、01 卷会补数学与 Python 基础；若有高中代数和一点 Python 会更顺。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- 按节在本地运行 .py 脚本或 .ipynb 笔记本，改动超参数（如学习率、网络宽度）观察输出变化；少数需外部数据或 API 密钥的节按各 README 说明补齐条件后再跑。
- 学习时长
- 3 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 费用待核验网页未说明代码或教材是否收费；Medium 系列文章与 WikiDocs 书页的访问条件原站未说明。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-18
- 指南参考
- 课程主页
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。