Galería de los mejores cuadernos ML y Data Science

Hola lector

Presento una publicación que va estrictamente (!) A marcadores y se transmite a colegas. Tiene una selección de archivos de formato Jupyter Notebook notables sobre aprendizaje automático, ciencia de datos y otras áreas relacionadas con el análisis de datos. Estos cuadernos Jupyter serán de gran utilidad para los analistas de datos, tanto estudiantes principiantes como profesionales.



Entonces comencemos.

Cursos introductorios en el cuaderno de Jupyter

• Tutorial de Python
• Selección de cuaderno de IPython
• Tutorial Matplotlib

Estadística, aprendizaje automático y ciencia de datos

• Cuaderno sobre la introducción de la cuantificación de la incertidumbre y el análisis de sensibilidad
• Jake Vanderplus Python Data Science Handbook Materiales de acompañamiento
• Introducción a las estadísticas con Python
• Cuadernos de ejercicios en línea de Andrew Eun para ML, Spark y TensorFlow
• Métodos de Monte Carlo, optimización estocástica
• Introducción a la conclusión bayesiana
• Análisis de datos bayesianos
• Tutorial de ciencia de datos
• Libro de cocina de IPython
• Introducción al aprendizaje automático con Python y scikit-learn
• Una creciente selección de cuadernos en el curso de aprendizaje automático de la Universidad de Turín.
• Agrupación y regresión
• Redes neuronales
• Introducción a los pandas
• Ciencia de datos y Big Data con Python
• El proyecto Statsmodels tiene dos colecciones de cuadernos: en la documentación oficial y en la wiki.
• Python para análisis de datos
• Estadística y análisis de datos para psicólogos.
• La decisión de la tarea del curso sobre análisis de datos CS 109
• El libro "Introducción al aprendizaje estadístico con aplicaciones R" tiene dos colecciones de cuadernos con ejemplos en Python
• Cuadernos de ejercicios StatLearning
• Modelado predictivo aplicado a Python
• Una gran selección de cuatro cursos sobre ciencia de datos, algoritmos y bases de datos de la Universidad de Columbia
• SciPy y OpenCV como un entorno informático interactivo para la visión por computadora
• Filtros de Python Kalman y Bayes
• Adaboost para la tarea de clasificar números
• Uso práctico de aprendizaje automático y análisis de datos.
• Aprendizaje profundo con Apache SINGA
• Una selección de cuadernos en ML y Data Science
• ETL con Python, trabajando con MySQL y archivos csv

Análisis de datos con SciPy Stack

• Introducción al aprendizaje automático con sklearn
• Ajuste de curva interactivo con paquete lmfit
• Introducción al aprendizaje automático con Python y scikit-learn
• Reconocimiento facial (conjunto de datos Wild)
• Introducción a los métodos de modelado multinivel bayesiano
• Introducción a las redes bayesianas
• Análisis de datos bayesianos usando PyMC3
• Un conjunto de ejemplos para resolver problemas de clasificación de plantillas
• Probabilidad, paradoja y principio de racionalidad.
• Probabilidad de 5 estrellas
• Modelo de segmentación geodemográfica

Visualización de datos y gráficos en Jupyter Notebook

• Problemas comunes al visualizar grandes conjuntos de datos y cómo evitarlos
• Visualización de datos del censo de EE. UU. Mediante el sombreador de datos
• Integración de datos y visualización utilizando recursos web.
• 21 gráficos interactivos
• Visualización de funciones complejas con Matplotlib y Mayavi.
• Ejemplo de biblioteca Bqplot
• Visor D3 para visualización Matplotlib
• Bokeh: una biblioteca interactiva para visualización web con Python
• Visualización con HoloViews
• Ganador del concurso de gráficos de pendiente E. Tufte
• matta - visualización d3.js en IPython Notebook
• Mostrar pandas en un mapa de distribución de valor interactivo

Procesamiento de lenguaje natural

• Programación Python para Humanidades
• Clasificador de noticias Bayes ingenuo multinomial
• Uso de validación cruzada aleatoria para categorizar noticias

Pandas para análisis de datos en Jupyter Notebook

• Tour de 10 minutos de los pandas
• Análisis de línea de tiempo con pandas
• Análisis de datos financieros con pandas
• Agrupación de datos del sensor del teléfono inteligente para analizar datos de actividad física con pandas y scipy
• Análisis y visualización de erupciones solares.
• Análisis avanzado de registro de Apache
• Análisis estadístico de datos en Python
• Sumérgete en los pandas desde .head () hasta .tail ()

Si tiene algo que compartir, escriba los comentarios. Más información sobre aprendizaje automático y ciencia de datos en el canal de telegramas Neuron (@neurondata).

Todo el conocimiento!