ML & AI Fundamentals¶
Добро пожаловать в полное руководство по основам машинного обучения и искусственного интеллекта!
📚 Что внутри?¶
Это фундаментальное руководство охватывает ключевые концепции ML и AI, которые остаются актуальными независимо от изменений в фреймворках и библиотеках.
Основные разделы:¶
- Основы ML - типы обучения, метрики качества, кросс-валидация, bias-variance tradeoff
- Нейронные сети - перцептрон, функции активации, backpropagation, оптимизаторы
- Глубокое обучение - CNN, RNN, LSTM, Transformers, Attention mechanisms
- Обработка данных - feature engineering, нормализация, аугментация, работа с пропусками
- Моделирование - регуляризация, ансамбли, hyperparameter tuning, evaluation strategies
- Этика и безопасность - fairness, interpretability, adversarial attacks, privacy
🎯 Для кого это?¶
- Новички - получите прочную основу для понимания ML/AI
- Практикующие специалисты - освежите фундаментальные знания
- Преподаватели - используйте как структурированный материал для обучения
🚀 Быстрый старт¶
# Клонирование репозитория
git clone https://github.com/DaniilGavrin/ml-ai-fundamentals.git
# Установка зависимостей
pip install mkdocs mkdocs-material pymdown-extensions
# Запуск локального сервера
mkdocs serve
📖 Форматы¶
- Онлайн-документация - этот сайт с удобной навигацией
- PDF-версия - полная шпаргалка для печати (доступна в релизах)
Руководство создано для долгосрочного использования и будет обновляться с сохранением фундаментальной основы.