Hii ni Kujifunza Mashine kwa Anayeanza, mtaala wa wiki 12 wenye masomo 26 unaofundisha dhana za kimsingi za kujifunza mashine kwa kutumia Python (hasa na Scikit-learn) na R. Hifadhi hii imetengenezwa kama rasilimali ya kujifunza kwa kasi yako mwenyewe ikiwa na miradi ya vitendo, maswali ya majaribio, na mazoezi. Kila somo linachunguza dhana za ML kupitia data halisi kutoka tamaduni na maeneo mbalimbali duniani. Vipengele muhimu: - Maudhui ya Elimu: Masomo 26 yanayojumuisha utangulizi wa ML, urejeleaji, uainishaji, ugawanyaji, NLP,…
இது துவக்கத்திற்கான இயந்திரக் கற்றல், Python (முக்கியமாக Scikit-learn) மற்றும் R பயன்படுத்தி இயந்திரக் கற்றல் கருத்துக்களை உள்ளடக்கிய 12 வாரங்கள், 26 பாடங்கள் கொண்ட விரிவான பாடத்திட்டம். இந்த களஞ்சியம் சுயமாக கற்றல் செய்யும் வளமாக வடிவமைக்கப்பட்டுள்ளது, இதில் செயல்முறை திட்டங்கள், வினாடி வினா மற்றும் பணிகள் உள்ளன. ஒவ்வொரு பாடமும் உலகம் முழுவதிலுமுள்ள பல்வேறு கலாச்சாரங்கள் மற்றும் பிராந்தியங்களின் உண்மையான தரவுகளைப் பயன்படுத்தி ML கருத்துக்களை ஆராய்கிறது. முக்கிய கூறுகள்: - கல்வி உள்ளடக்கம்: ML அறிமுகம், பின்வாங்கல், வகைப்படுத்தல், குழுமம், NLP, நேர வரிசை மற்றும் வலியுறுத்தல் கற்றல் ஆகியவற்றை உள்ளடக்கிய 26 பாடங்கள் - வினாடி வினா பயன்பாடு: Vue.js அடிப்படையிலான வினாடி வினா பயன்பாடு, பாடத்திற்கு…
ఇది Machine Learning for Beginners, పాఠ్యాంశాల 26తో కూడిన 12 వారాల సమగ్ర పాఠ్యక్రమం, ఇది Python (ప్రధానంగా Scikit-learn తో) మరియు R ఉపయోగించి క్లాసిక్ మెషీన్ లెర్నింగ్ కాన్సెప్ట్లను కవర్ చేస్తుంది. ఈ రిపోజిటరీ స్వీయ-గతిలో నేర్చుకునే వనరుగా రూపొందించబడింది, ఇందులో ప్రాక్టికల్ ప్రాజెక్టులు, క్విజ్లు మరియు అసైన్మెంట్లు ఉన్నాయి. ప్రతి పాఠం ప్రపంచవ్యాప్తంగా వివిధ సంస్కృతులు మరియు ప్రాంతాల నుండి వాస్తవ డేటా ద్వారా ML కాన్సెప్ట్లను అన్వేషిస్తుంది. ప్రధాన భాగాలు: - విద్యా విషయాలు: ML పరిచయం, రిగ్రెషన్, క్లాసిఫికేషన్, క్లస్టరింగ్, NLP, టైమ్ సిరీస్, మరియు రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ను కవర్ చేసే 26 పాఠాలు - క్విజ్ అప్లికేషన్: Vue.js ఆధారిత క్విజ్ యాప్,…
Ito ay Machine Learning para sa mga Baguhan, isang komprehensibong kurikulum na tumatagal ng 12 linggo at may 26 na aralin na sumasaklaw sa mga klasikong konsepto ng machine learning gamit ang Python (pangunahing gamit ang Scikit-learn) at R. Ang repositoryo ay idinisenyo bilang isang self-paced na mapagkukunan ng pag-aaral na may mga hands-on na proyekto, pagsusulit, at mga takdang-aralin. Ang bawat aralin ay nag-eeksplora ng mga konsepto ng ML gamit ang mga totoong datos mula sa iba't ibang kultura…
Bu, Yeni Başlayanlar için Makine Öğrenimi adlı, Python (özellikle Scikit-learn) ve R kullanarak klasik makine öğrenimi kavramlarını kapsayan 12 haftalık, 26 derslik kapsamlı bir müfredattır. Depo, kendi hızınızda öğrenebileceğiniz, uygulamalı projeler, testler ve ödevler içeren bir kaynak olarak tasarlanmıştır. Her ders, dünya çapındaki farklı kültürlerden ve bölgelerden alınan gerçek dünya verileriyle ML kavramlarını keşfeder. Ana bileşenler: - Eğitim İçeriği: ML'ye giriş, regresyon, sınıflandırma, kümeleme, NLP, zaman serileri ve pekiştirmeli öğrenmeyi kapsayan 26 ders - Test Uygulaması: Ders öncesi ve sonrası…
Це Machine Learning for Beginners — комплексна навчальна програма на 12 тижнів, що складається з 26 уроків, які охоплюють класичні концепції машинного навчання за допомогою Python (переважно з використанням Scikit-learn) та R. Репозиторій створений як ресурс для самостійного навчання з практичними проєктами, тестами та завданнями. Кожен урок досліджує концепції ML через реальні дані з різних культур і регіонів світу. Основні компоненти: - Навчальний контент: 26 уроків, що охоплюють введення в ML, регресію, класифікацію, кластеризацію, NLP, часові ряди та навчання з…
یہ مشین لرننگ فار بیگنرز ہے، ایک جامع 12 ہفتوں کا، 26 اسباق پر مشتمل نصاب جو Python (زیادہ تر Scikit-learn کے ساتھ) اور R کا استعمال کرتے ہوئے کلاسک مشین لرننگ کے تصورات کا احاطہ کرتا ہے۔ یہ ریپوزٹری خود سے سیکھنے کے وسائل کے طور پر ڈیزائن کی گئی ہے، جس میں عملی پروجیکٹس، کوئزز، اور اسائنمنٹس شامل ہیں۔ ہر سبق حقیقی دنیا کے ڈیٹا کے ذریعے مختلف ثقافتوں اور علاقوں سے ML کے تصورات کو دریافت کرتا…
Đây là Học máy dành cho người mới bắt đầu, một chương trình học toàn diện kéo dài 12 tuần với 26 bài học, bao gồm các khái niệm học máy cổ điển sử dụng Python (chủ yếu với Scikit-learn) và R. Kho lưu trữ được thiết kế như một tài nguyên học tập tự học với các dự án thực hành, bài kiểm tra và bài tập. Mỗi bài học khám phá các khái niệm học máy thông qua…
- Read CONTRIBUTING.md for guidelines on how to run tools - ALWAYS ensure that new tests use the same style as existing tests for all parts of the test - ALWAYS check whether the behavior of a new test is already covered by an existing test - PREFER integration tests, e.g., at it/... over unit tests - PREFER running specific tests over running the entire test suite - PREFER insta snapshots following patterns in nearby tests over substring assertions -…
WorldMonitor is a real-time global intelligence dashboard for geopolitics, military activity, markets, climate, cyber threats, maritime traffic, and aviation. A TypeScript browser app uses Vercel Edge APIs, Railway data workers,…
It is the source of truth; the sibling CLAUDE.md imports it via @AGENTS.md. It is the monorepo orientation layer: it maps the whole repo and points to the module guides that own the depth. For anything inside a module, read that module's guide rather than expecting full detail here: - backend/AGENTS.md — backend depth: harness/app split, agent & middleware chain, sandbox, MCP, skills, memory, IM channels, persistence/migrations, config system, test layout. - frontend/AGENTS.md — frontend depth: Next.js App Router layout,…
The backend runs a LangGraph-based super agent with sandbox execution, persistent memory, subagent delegation, and extensible tools in isolated per-thread environments. Architecture: - Gateway API (port 8001): REST API plus embedded LangGraph-compatible agent runtime - Frontend (port 3000): Next.js web interface - Nginx (port 2026): Unified reverse proxy entry point - Provisioner (port 8002, optional in Docker dev): Started only when sandbox is configured for provisioner/Kubernetes mode Runtime: - make dev, Docker dev, and production all run the agent runtime…
It is the source of truth; the sibling CLAUDE.md imports it via @AGENTS.md. DeerFlow Frontend is a Next.js 16 web interface for an AI agent system. It communicates with a LangGraph-based backend to provide thread-based AI conversations with streaming responses, artifacts, and a skills/tools system. Stack: Next.js 16, React 19, TypeScript 5.8, Tailwind CSS 4, pnpm 10.26.2. Requires Node.js 22+ and pnpm 10.26.2+. pnpm-workspace.yaml overrides vulnerable @xmldom/xmldom 0.9.x releases to 0.9.12 for GHSA-965w-775f-mr7g. Nextra pulls it in through MathJax and…
Optional browser dependency detection reads the top-level tools: sequence without requiring name to be its first mapping key. Both indented and indentless lists are supported; nested option names and block-scalar text must not enable the browser extra. Keep the detector standard-library-only because it runs before dependency synchronization. Read UTF-8 config files with or without a leading BOM so the first section remains detectable. setup-sandbox.sh also strips the leading BOM and normalizes CRLF before selecting the image; keep its shell filter…
MicrosoftAGENTS.md
