منصوبے کے بارے میں

یہ ریپوزٹری supervised machine learning کے لیے ایک جامع گائیڈ فراہم کرتی ہے، جس کا آغاز بنیادی ریاضی جیسے derivatives، probability، اور logarithms سے ہوتا ہے۔ یہ جدید ٹولز کی طرف منتقل ہونے سے پہلے ریاضیاتی تصورات اخذ کرنے کے لیے مرحلہ وار طریقہ استعمال کرتی ہے۔ اہم تعلیمی اجزاء میں شامل ہیں: - Logistic Regression: تھیوری اور Wisconsin Breast Cancer dataset کا استعمال کرتے ہوئے شروع سے نفاذ، ساتھ ہی ایک production-grade PyTorch implementation۔ - Decision Trees: تھیوری کی گہرائی اور شروع سے نفاذ، اور Scikit-learn، Random Forests، اور XGBoost کا استعمال کرتے ہوئے London housing prices کی پیش گوئی کے لیے عملی ایپلی کیشنز۔ - ATLAS (Automated Tree Learning Analysis System): فیچر انجینئرنگ اور ماڈل کے موازنے کے لیے ایک سسٹم۔ - Datasets: درجہ بندی (classification) اور ریگریشن (regression) کے کاموں کے لیے Wisconsin Breast Cancer اور London Housing Prices datasets کی انٹیگریشن۔ یہ مواد Jupyter notebooks کے ذریعے فراہم کیا گیا ہے جو براؤزر پر چلانے کے لیے Google Colab کے ساتھ ہم آہنگ ہیں۔