girafe-ai/ml-course
girafe-ai/ml-course has 3,600 GitHub stars and 1,308 forks. GitHot measured +3 stars in 24 hours, +9 in 7 days, and +13 in 15 days. Last checked 2026-11-11 16:53 UTC. Last push 2026-10-29.
So werden diese Zahlen gemessen
Offener Kurs für maschinelles Lernen
Gemessener Sternzuwachs
- in 24h
- +3
- in 7 days
- +9
- in 15 days
- +13
- in 1 month
- Verlauf wird gesammelt
Nettoänderungen in überlappenden Zeiträumen, keine Tagessummen. Fehlende Messwerte bleiben leer. Sterne zeigen Interesse, nicht Qualität.
README.md
OriginalСсылка на ветку ML тренировок Яндекса 2023
Machine Learning course
First semester of girafe-ai Machine Learning course
Recordings and materials
| Date | Content | Lecture video | Slides | WarmUp test | HW | Deadline | Comments |
|---|---|---|---|---|---|---|---|
| 05.09.2022 | Week01. Intro, Naive Bayes and kNN. | Запись лекции 2021 Запись семинара 2021 | Слайды | Assignment 01: kNN | 23.59 AOE, 03.10.2022 | По техническим причинам запись лекции 2022 года не велась | |
| 12.09.2022 | extra Week. Linear algebra recap. | Запись лекции Запись семинара 2022 | Слайды | ||||
| 19.09.2022 | Week02. Linear Regression. | Запись лекции Запись семинара 2022 | Слайды | Assignment 02: Linear Regression | 23.59 AOE, 10.10.2022 | ||
| 26.09.2022 | Week03. Linear Classification. | Запись лекции Запись семинара 2022 | Слайды | Lab01: ML pipeline | 23.59 AOE 10.11.2022 | ||
| 03.10.2022 | Week04. SVM, PCA. | Запись лекции Запись семинара 2022 | Слайды | Assignment 03: SVM kernel | 23.59 AOE, 24.10.2022 | ||
| 10.10.2022 | Week05. Trees and ensembles | Запись лекции | Слайды | Optional assignment 04: Tree from scratch | 23.59 AOE, 22.12.2022 | Вместо семинара проходила контрольная работа | |
| 17.10.2022 | Week06. Gradient boosting | Запись лекции Запись семинара | Слайды | ||||
| 24.10.2022 | Week07. Разбор теста | Запись разбора | Вместо лекции были тест и разбор. | ||||
| 31.10.2022 | Week08. Intro into Deep Learning | Запись лекции Запись семинара | Слайды | ||||
| 07.11.2022 | Week09. Backpropogation | Запись семинара | Слайды | Лекция не велась по причине болезни преподавателя, однако был проведён дополнительный семинар по backpropogation | |||
| 14.11.2022 | Week10. Dropout and Batchnorm | Запись лекции Запись семинара | Слайды | ||||
| 21.11.2022 | Week11. Embeddings and seq2seq model | Запись лекции Запись семинара | Слайды |
Prerequisites
Prerequisites are located here.
Literature:
- YSDA ML Book (Russian only)
- Probabilistic Machine Learning: An Introduction; English link, Русский перевод
- Deep Learning Book: English link. Первая часть (Part I) крайне рекомендуется к прочтению.
More additional materials are available here
Exam program:
Available here
Main authors:
- Radoslav Neychev
- Vladislav Goncharenko
Contributors:
- Iurii Efimov
- Nikolay Karpachev
- Ivan Provilkov
- Valery Marchenkov
- Anastasia Ianina
- Irina Rudenko
- Fedor Ryabov
Acknowledgements:
Special thanks to:
- Stanislav Fedotov, YSDA for informative discussions, program verification and support.
- Konstantiv Vorontsov
- Vadim Strijov for teaching this course teachers
- Just Heuristic
Ähnliche Projekte entdecken
tensorflow/tensorflow
Ein Open-Source-Framework für maschinelles Lernen für alle
201,505 Sternehuggingface/transformers
🤗 Transformers: das Framework zur Modelldefinition für State-of-the-Art-Modelle des maschinellen Lernens in Text, Vision, Audio und multimodal, für Inferenz und Training.
168,815 SterneAUTOMATIC1111/stable-diffusion-webui
Web-UI für Stable Diffusion
165,289 SterneComfy-Org/ComfyUI
Die leistungsstärkste und modularste GUI, API und das Backend für Diffusionsmodelle mit einer Oberfläche aus Graphen und Knoten. Die schnellste lokale Inferenz-Engine der Welt.
146,271 Sterne