ML-Roadmap-and-Notes
A carefully curated collection of machine learning notes, resources, projects, and datasets designed to guide you through the ML landscape effectively.
파일 탐색기
- Basic Python .ipynb
- OOPS in Python.ipynb
- 1. File Handling.ipynb
- 2. Exception Handling.ipynb
- 3. Regular Expressions.ipynb
- 4. Functional Programming.ipynb
- Exercise.ipynb
- 100_Numpy_exercises.ipynb
- Broadcasting.png
- Numpy.ipynb
- 100-pandas-puzzles.ipynb
- deliveries.csv
- Fortune500.csv
- Learn Pandas.ipynb
- matches.csv
- train.csv
- Matplotlib .ipynb
- Boxplot.png
- Boxplot1.png
- Seaborn.ipynb
- Seaborn.png
- Violinplots.png
- Fundamentals of Statistics.ipynb
- README.md
- Learn Data Analysis Process.ipynb
- Learn Exploratory Data Analysis (EDA).ipynb
- Learn Machine Learning Basics.ipynb
- Tensors.ipynb
- Advanced Statistics.ipynb
- README.md
- Fundamentals of Probability.ipynb
- Fundamentals of Linear Algebra.ipynb
- README.md
- Fundamentals of Calculus.ipynb
- AdaBoost Note.ipynb
- Bagging.ipynb
- bagging_demo.ipynb
- DBSCAN Clustering.ipynb
- Decision Tree Classification Demo.ipynb
- Decision Tree Notes.ipynb
- dtreeviz_demo.ipynb
- Gradient Boosting.ipynb
- Gradient Descent.ipynb
- Hierarchical Clustering.ipynb
- K Nearest Neighbors.ipynb
- K_Means .ipynb
- Linear Regression.ipynb
- Logistic Regression.ipynb
- Naive Bayes.ipynb
- PCA.ipynb
- Random Forest.ipynb
- Kernel Trick SVM.ipynb
- Support Vector Machines .ipynb
- XGBoost.ipynb
- Machine Learning All Models.md
- Machine Learning Metrics.ipynb
- Regularization.ipynb
- Data Acquisition.ipynb
- Feature Selection.ipynb
- Cross Validation.ipynb
- Blending.ipynb
- CatBoost.ipynb
- LightGBM.ipynb
- Stacking.ipynb
- GridSearchCV .ipynb
- Hyperparameter Tuning.ipynb
- RandomSearchCV.ipynb
- Handling imbalanced dataset.ipynb
- Handling Multicollinearity.ipynb
- Data Leakage.ipynb
- Working with Large Datasets.ipynb
- Complete Case Analysis.ipynb
- Handling missing numerical data.ipynb
- Handling missing categorical data.ipynb
- Missing indicator.ipynb
- KNN Imputer.ipynb
- MICE.ipynb
- Feature Scaling and Normalization.ipynb
- Feature Encoding Techniques.ipynb
- FunctionTransformer.ipynb
- Power Transformations.ipynb
- Binning and Binarization.ipynb
- Column Transformer.ipynb
- Scikit-Learn Pipelines.ipynb
- Working with time and date data .ipynb
- Working with Outliers.ipynb
- Feature Construction.ipynb
- AI_ML Cheat Sheet .pdf
- Essential Math for Data Science (Thomas Nield) (Z-Library).pdf
- README.md
- Top Resources to Learn Machine Learning in 2025.pdf
- README.md
# CDN으로 사용하기
jsDelivrjsDelivr는 공개 GitHub 리포지토리를 별도 설정 없이 CDN으로 즉시 서빙합니다. 버전과 파일을 고르면 웹페이지에 바로 붙일 수 있는 링크와 예시 코드가 만들어집니다.
명령어 용어집
이 문서에서 사용된 명령어를 모아봤습니다. 낯선 명령어가 있다면 펼쳐서 확인해보세요.
mypy
설명 보기 ▼
mypy
Python 코드의 타입을 검사.
더 많은 정보: <https://mypy.readthedocs.io/en/stable/running_mypy.html>.
mypy {{path/to/file.py}}
특정 파일의 타입 검사:
mypy {{[-m|--module]}} {{module_name}}
특정 [m]모듈의 타입 검사:
mypy {{[-p|--package]}} {{package_name}}
특정 [p]패키지의 타입 검사:
poetry
설명 보기 ▼
poetry
Python 패키지 및 의존성을 관리.
관련 항목: `asdf`, `pipenv`, `hatch`.
더 많은 정보: <https://python-poetry.org/docs/cli/>.
poetry new {{project_name}}
특정 이름으로 디렉토리에 새 Poetry 프로젝트 생성:
poetry add {{dependency}}
현재 디렉토리의 `pyproject.toml` 파일에 의존성과 그 하위 의존성 설치 및 추가:
poetry install
현재 디렉토리의 `pyproject.toml` 파일을 사용하여 프로젝트 의존성 설치:
pytest
설명 보기 ▼
pytest
Python 테스트 실행.
더 많은 정보: <https://docs.pytest.org/en/latest/how-to/usage.html>.
pytest {{path/to/test_file1.py path/to/test_file2.py ...}}
특정 파일에서 테스트 실행:
pytest -k {{expression}}
특정 [k]eyword 표현식과 일치하는 테스트 실행:
pytest {{[-x|--exitfirst]}}
테스트가 실패하거나 오류가 발생하면 즉시 종료:
# 프로젝트 배지
-
GitHub stars
-
GitHub forks
-
License
-
Last Updated