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
  1. 选择学习环境

    按你的电脑系统准备;提示词在你自己的电脑上使用。

    本机动手

    该仓库是与 WikiDocs 教材配套的示例代码集:book/ 下按 5 卷 157 个有代码的节组织,每节含 .py 脚本、单格笔记本和 README;medium-series/ 下是 Medium 连载文章的代码。仓库说明 CPU 已可验证约 105 个节直接运行,其余需外部数据或 API 密钥。建议先读教材对应节,再运行该节代码并改参数观察变化。

    需要能安装 Python 与依赖包(requirements.txt)的本地环境;按仓库说明 CPU 即可运行,无需 GPU。部分节需要外部数据集或 API 密钥,仓库未逐项列出细节。

  2. 准备工具和账号

    标“选用”的可以跳过。

    • Git 克隆仓库代码
    • Python 3 + pip运行 .py 脚本与 Jupyter 笔记本
    • Jupyter Notebook / JupyterLab选用打开各节 .ipynb 笔记本
    • WikiDocs 配套教材 选用阅读与代码对应的讲解正文
    • 本地 Python 环境与 pip,用于安装 book/requirements.txt 中的依赖(NumPy、Pandas、PyTorch、SymPy、Plotly 等,具体版本见仓库)用于练习与作业

    运行费用:实践无额外费用,仓库说明大部分节可在 CPU 上直接运行,未提及需付费资源;少数节需外部数据或 API 密钥,具体未说明。

  3. 让 AI Agent 一次搭好课程

    复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。

    开课提示词 · 只需用一次此提示词尚未实测验证
    请帮我把「Zero to 머신러닝 딥러닝 Master — 配套示例代码仓库」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。
    开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。
    
    课程入口:https://github.com/otoloism/Zero_to_ML_Master
    我的系统:macOS。如果实际不符,先调整方案。
    本次路线:macOS:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。
    练习: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。
    课节(官方顺序):
    1. 仓库主页与 README(代码目录总览):https://github.com/otoloism/Zero_to_ML_Master
    2. TOC.md(课节结构):https://github.com/otoloism/Zero_to_ML_Master/blob/main/TOC.md
    3. 配套教材:Zero to 머신러닝 딥러닝 Master(WikiDocs):https://wikidocs.net/book/21464
    
    1. 环境
    - Python 3(版本要求原站未说明)
    - pip 依赖见 book/requirements.txt
    - 可选 Jupyter 用于 .ipynb 笔记本
    - CPU 即可;是否需要 GPU 原站未说明
    - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。
    2. 材料
    - 官方课程页面:只记录链接 https://github.com/otoloism/Zero_to_ML_Master
    3. 目录(最外层放在我确认的位置)
    zero-to-ml-master/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.sh     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        ├── 01-01-readme/
        ├── 02-02-toc-md/
        └── 03-03-zero-to-master-wikidocs/
    - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。
    - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。
    4. 自检
    - 创建 check-env.sh,逐项检查并记录“通过/未通过”:
    - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。使用当前系统的终端运行。
      - python -c "import numpy, pandas, torch, sympy; print('ok')"  → 输出 ok 且无导入错误
      - 打开 book/README.md 确认目录结构与运行方式,并在任一节目录执行 python <脚本>.py  → 脚本正常运行并打印结果
    - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。
    - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
    - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。
    5. 学习计划
    - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。
    - progress.md:每课三项勾选——读讲义、做练习、记笔记。
    6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。
    
    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。
    如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
    搭好后的课程目录
    zero-to-ml-master/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.sh     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        ├── 01-01-readme/
        ├── 02-02-toc-md/
        └── 03-03-zero-to-master-wikidocs/
准备好了,开始学习

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。