Galeria dos melhores notebooks de ML e Data Science

Olá leitor.

Apresento um post que vai estritamente (!) Aos favoritos e é transmitido aos colegas. Ele possui uma seleção de arquivos no formato Notebook Jupyter dignos de nota em Machine Learning, Data Science e outras áreas relacionadas à análise de dados. Esses blocos de anotações Jupyter serão mais úteis para analistas de dados - estudantes iniciantes e profissionais.



Então, vamos começar.

Cursos Introdutórios no Caderno Jupyter

• Tutorial do Python
• Seleção de Notebook IPython
• Tutorial do Matplotlib

Estatística, Aprendizado de Máquina e Ciência de Dados

• Caderno sobre introdução da quantificação da incerteza e análise de sensibilidade
• Jake Vanderplus Python Data Science Handbook Material acompanhante
• Introdução à estatística com Python
• Os cadernos de exercícios on-line de Andrew Eun para ML, Spark e TensorFlow
• Métodos de Monte Carlo, otimização estocástica
• Introdução à Conclusão Bayesiana
• Análise de dados bayesianos
• Tutorial de Ciência de Dados
• Livro de receitas IPython
• Introdução ao aprendizado de máquina com Python e scikit-learn
• Uma seleção crescente de notebooks no curso de aprendizado de máquina da Universidade de Turim
• Clustering e regressão
• Redes neurais
• Introdução aos Pandas
• Ciência de dados e Big Data com Python
• O projeto Statsmodels possui duas coleções de notebooks: na documentação oficial e no wiki
• Python para análise de dados
• Estatística e análise de dados para psicólogos
• A decisão da tarefa do curso sobre análise de dados CS 109
• O livro "Introdução ao aprendizado estatístico com aplicativos R" possui duas coleções de blocos de notas com exemplos em Python
• Cadernos de exercícios StatLearning
• Modelagem Preditiva Aplicada em Python
• Uma grande variedade de quatro cursos sobre Data Science, algoritmos e bancos de dados da Universidade de Columbia
• SciPy e OpenCV como um ambiente de computação interativo para visão computacional
• Filtros Python Kalman e Bayes
• Adaboost para a tarefa de classificar números
• Uso prático de aprendizado de máquina e análise de dados
• Aprendizado profundo com Apache SINGA
• Uma seleção de notebooks em ML e Data Science
• ETL com Python, trabalhando com arquivos MySQL e csv

Análise de dados com SciPy Stack

• Introdução ao aprendizado de máquina com o sklearn
• Ajuste de curva interativo com o pacote lmfit
• Introdução ao aprendizado de máquina com Python e scikit-learn
• Reconhecimento de rosto (conjunto de dados Wild)
• Introdução aos métodos de modelagem multinível bayesiana
• Introdução às redes bayesianas
• Análise de dados bayesianos usando PyMC3
• Um conjunto de exemplos para resolver problemas de classificação de modelos
• Probabilidade, paradoxo e princípio da racionalidade
• Probabilidade de classificação de 5 estrelas
• Modelo de Segmentação Geodemográfica

Visualização de dados e gráficos no Notebook Jupyter

• Problemas comuns ao visualizar grandes conjuntos de dados e como evitá-los
• Visualização de dados do censo dos EUA usando o shader de dados
• Integração de dados e visualização usando recursos da web
• 21 gráficos interativos
• Visualização de funções complexas com Matplotlib e Mayavi
• Exemplo de biblioteca Bqplot
• Visualizador D3 para visualização Matplotlib
• Bokeh - uma biblioteca interativa para visualização na web com Python
• Visualização com HoloViews
• Vencedor do concurso E. Tufte Slope Graphs
• visualização matta - d3.js. no IPython Notebook
• Exibir pandas em um mapa de distribuição de valor interativo

Processamento de linguagem natural

• Programação em Python para Humanidades
• Classificador de Notícias Multinomial Naive Bayes
• Usando validação cruzada aleatória para categorizar notícias

Pandas para análise de dados no Jupyter Notebook

• Tour de 10 minutos pelos pandas
• Análise da Linha do Tempo com Pandas
• Análise de dados financeiros com Pandas
• Cluster de dados de sensores de smartphones para analisar dados de atividade física com pandas e scipy
• Análise e visualização de explosões solares
• Análise avançada de log do Apache
• Análise Estatística de Dados em Python
• Mergulhe profundamente nos pandas de .head () a .tail ()

Se você tem algo para compartilhar, escreva nos comentários. Mais informações sobre aprendizado de máquina e ciência de dados no canal de telegrama Neuron (@neurondata).

Todo conhecimento!