Комплексная коллекция примеров и ноутбуков по машинному обучению и искусственному интеллекту
Этот репозиторий представляет собой обширную библиотеку практических примеров, охватывающих все основные области современного машинного обучения и ИИ. От базовых алгоритмов до передовых архитектур нейронных сетей - здесь найдется материал для специалистов любого уровня. Здесь вы найдете учебные пособия, примеры реализации алгоритмов машинного обучения, а также полезные ресурсы для углубления ваших знаний в этой области.
В репозитории представлены примеры кода для различных задач машинного обучения, включая:
7 cases for table EDA
EDA = Exploratory Data Analysis
Классификация Регрессия Кластеризация Обработка естественного языка (NLP) Работа с изображениями
Алгоритмы:
NN - neural network LSTM - Long-Short-Term-Memory
KAN - Kolmogorov-Arnold-Networks
AutoML - brilliant example of open source framework (2025 year of review)
Multimodal AutoML - AutoGluon example
GNN - Graph Neural Network
Для более глубокого изучения машинного обучения рекомендуется ознакомиться с следующими ресурсами: Scikit-learn Documentation TensorFlow Documentation PyTorch Documentation
- EDA (Exploratory Data Analysis) - разведочный анализ данных
- Классификация и регрессия - традиционные задачи ML
- Кластеризация - методы группировки данных
- Снижение размерности - PCA, ICA, t-SNE для визуализации данных
- Нейронные сети (NN) - от простейших до сложных архитектур
- Свёрточные сети (CNN) - компьютерное зрение и классификация изображений
- Рекуррентные сети (RNN/LSTM) - работа с временными рядами и последовательностями
- Трансформеры - современные архитектуры для NLP
- Graph Convolution Networks (GCN) - базовые графовые свертки
- Graph Attention Networks (GAT) - внимание в графовых структурах
- Классификация узлов и предсказание связей - типичные задачи GNN
- Работа с графовыми данными - форматы GraphML, научные статьи (PubMed)
- KAN (Kolmogorov-Arnold Networks) - новейшая архитектура нейронных сетей 2024 года
- AutoML и AutoGluon - автоматизация машинного обучения
- Transfer Learning - перенос обучения и дообучение моделей
- Federated Learning - федеративное обучение для приватности данных
- LSTM и ARIMA - прогнозирование временных рядов
- Электрокардиограммы (ECG) - медицинская аналитика
- Резервуарные вычисления (ESN) - альтернативные подходы к RNN
- Анализ выживаемости - медицинская статистика и предиктивная аналитика
- Обработка сигналов - фильтрация и анализ биомедицинских данных
- Компьютерное зрение - классификация изображений и паттернов
- Attention mechanism - механизм внимания в трансформерах
- LoRA fine-tuning - эффективное дообучение больших моделей
- AWQ оптимизация - квантование и ускорение моделей
- Базовые примеры (
example_*.ipynb) - вводные ноутбуки по каждой теме - Специализированные реализации (
NN_*.ipynb,GNN_*.ipynb) - углубленные примеры - Case studies - реальные прикладные задачи из медицины и науки
- Examples/ - дополнительные материалы и специфические кейсы
- test_datasets/ - тестовые наборы данных для экспериментов