@DivyanshT91162: 人们放弃机器学习的原因只有一个：打开一个笔记本……看到200行公式……突然觉得每个教程都像博士论文一样。
摘要
文章重点介绍了一个开源代码库，该代码库使用 Jupyter 笔记本从基本原理重新构建经典的机器学习算法，并提供逐步可视化，帮助学习者理解底层机制，而不仅仅是复制代码。
人们放弃机器学习的原因只有一个：他们打开一个笔记本……看到200行公式……突然觉得每个教程都像博士论文。但这个代码库与众不同。它没有告诉你“只要相信数学”，而是从基本原理逐步重新构建经典的机器学习算法。神经网络、逻辑回归、反向传播、梯度下降。所有内容都在 Jupyter 笔记本中从头编写，并配有完整的可视化效果，因此你可以真正看到模型在学习什么，而不是像机器人一样死记硬背公式。这可能是任何试图真正理解机器学习而不是从教程中复制粘贴代码的人的最佳代码库之一。如果你目前正在学习机器学习，这个值得深入研究。代码库链接在评论区
相似文章
@tom_doerr：从第一性原理可视化机器学习算法 https://github.com/gavinkhung/machine-learning-visualized…
本文介绍了 Machine Learning Visualized，这是一个 Jupyter Book 和交互式平台，它从第一性原理出发，通过可视化方式实现和推导机器学习算法。
@knowledgefxg: 学机器学习最痛苦的事情是什么？是对着一堆公式发呆，死记硬背，项目作者把神经网络、逻辑回归等这些经典算法，从数学第一原理开始推导，一步一步写成 Jupyter Notebook，然后把整个训练过程可视化出来，让你在学习的时候有个直观的感觉。…
推荐一个机器学习学习资源，该项目从数学第一原理推导经典算法，并通过 Jupyter Notebook 逐步实现和可视化训练过程，帮助学习者直观理解。
@XAMTO_AI: 机器学习入门最容易被什么坑到？ 要么教程全是废话，听完还是懵的；要么上来就甩代码，跑通了也不知道为啥。 GitHub上有个宝藏项目：Machine Learning Visualized，直接把算法训练过程可视化给你看，权重怎么更新、怎么…
介绍 GitHub 上的 Machine Learning Visualized 项目，该工具通过交互式笔记本和可视化图表展示机器学习算法（如神经网络、逻辑回归等）的训练过程，帮助初学者理解原理。
@_rohit_tiwari_: 值得收藏：这位大神亲手打造了一整套真正教授深度学习的笔记本，从基础到 Transformer
基于《Understanding Deep Learning》一书，一套涵盖从基础数学到Transformer的全面Jupyter笔记本。
@techNmak: 如今构建神经网络变得极其容易，以至于人们在完全不了解其工作原理的情况下也能完成。我们生活在一个以 'import torch' 为标志的时代……
作者批评了在使用 PyTorch 等高级库时缺乏对底层机制理解的现象，并推荐 Simon J.D. Prince 的笔记集合，以弥合语法应用与第一性原理工程实践之间的差距。