ML-Practice

Практические реализации алгоритмов машинного обучения, эксперименты и маленькие учебные проекты.

📚 Содержание репозитория

Репозиторий содержит следующие категории материалов:

🎯 Разделы, которые тут могут быть:

• Classical_ML - классические алгоритмы (линейные модели, деревья, SVM, кластеризация)
• Deep_Learning - нейросетевые архитектуры (CNN, RNN, Transformers)
• Computer_Vision - задачи компьютерного зрения
• NLP - обработка естественного языка
• Reinforcement_Learning - обучение с подкреплением
• Experiments - экспериментальные проекты и исследования
• Competitions - решения с Kaggle и других платформ

🛠 Технологический стек

• Основные языки : Python 3.12+

• ML фреймворки: Scikit-learn, TensorFlow, PyTorch

• Анализ данных: Pandas, NumPy, SciPy

• Визуализация: Matplotlib, Seaborn, Plotly

• Ноутбуки: Jupyter Lab

• Менеджмент моделей: MLflow, Weights & Biases