開源 ML 作業集附自動測試

🔑 增強重點摘要

• •該作業集由 Skoltech（斯科爾科沃科學技術研究院）的計算與數據密集型科學與工程中心（CDISE）開發，旨在填補理論教學與實作應用之間的鴻溝。
• •課程設計強調「從零開始」（from scratch）的實作，要求學生使用 NumPy 等底層函式庫手動實現演算法，而非直接調用 Scikit-learn 等高階框架，以強化對數學原理的理解。
• •該專案採用 GitHub 作為核心協作平台，透過 GitHub Actions 或類似的 CI/CD 工具整合自動化評測流程，確保學生提交的程式碼在標準化環境下運行。

🛠️ 技術深入

• •實作架構：採用模組化 Jupyter Notebook 設計，每個演算法任務被拆分為獨立的單元測試（Unit Tests）。
• •評測機制：利用 Python 的 unittest 或 pytest 框架編寫測試腳本，針對演算法的輸出精度（如 MSE、準確率）設定容錯範圍（Tolerance）。
• •資料處理：提供預生成的數據集（Synthetic Datasets），確保所有學生在相同的數據分佈下進行模型訓練與驗證，排除數據偏差對評分的影響。
• •環境依賴：透過 requirements.txt 或 environment.yml 嚴格鎖定依賴版本，確保在不同作業系統環境下的一致性。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線