Machine_Learning_Tutorials
1.0.0
В этом репозитории я загружаю код, записные книжки и статьи из моего личного блога: https://maelfabien.github.io/. Не стесняйтесь репо, если вам нравится моя работа! Новые статьи публикуются еженедельно!
Недавно я начал информационный бюллетень, в которой я собираю несколько классных статей, которые я написал по теме, интересные репозитории GitHub, проекты, статьи и многое другое! Я постараюсь отправить 1-2 электронные письма в месяц. Если вы хотите остаться в цикле, просто нажмите здесь: http://eepurl.com/gyyzi5
Новое: я ищу мотивированных ученых данных, чтобы помочь мне построить высокие алгоритмы воздействия на окружающую среду (по сути). Пожалуйста, свяжитесь со мной, если вам интересно (с моего веб -сайта, свяжитесь с разделом)
Прежде всего, если вы не знакомы с ключевыми понятиями машинного обучения, обязательно проверьте эту первую статью: https://maelfabien.github.io/machinelearning/ml_base/
Репозиторий организован следующим образом:
Вы хотели бы поработать над статьей со мной? Или вы хотели бы, чтобы я работал по конкретной теме? Не стесняйтесь протянуть руку! ([email protected])
На данный момент эти чит -листы написаны вручную. Позже я хотел бы создать визуальный контент, который оба погрузились бы по математике и ясно иллюстрируют каждый алгоритм.
Я сделал ряд проектов, все из которых доступны в моем блоге: https://maelfabien.github.io/portfolio/#
SP - В веб -приложение для обнаружения пола голосового пола: как извлечь соответствующие функции и создать приложение для обнаружения голосового пола с использованием MFCC, GMMS и предоставленного набора данных.
SP - Звуковая визуализация (3/3): погрузитесь в спектрограммы, хромаграммы, температуры, плотность спектральной мощности и многое другое ...
SP - извлечение функции звука (2/3): обзор с реализацией Python различных функций звука для извлечения.
SP - Введение в обработку голоса в Python (1/3): сводка книги «Голосовые вычисления с питоном» с концепциями, кодом и примерами.
SP - Создание веб -приложения для обнаружения голосовой активности: обнаружение голоса может использоваться для запуска голосового помощника или, например, в экстренных случаях. Вот как это реализовать, используя простые методы.
CV - Реализация Yolov3 для обнаружения объектов: Узнайте, как реализовать Yolov3 и обнаружить объекты на ваших изображениях и видео.
NLP - Легкий вопрос, отвечающий на Allennlp: Поймите основные концепции и создайте простой пример ответа на вопрос.
NLP - Увеличение данных в NLP: Подробная информация о реализации статьи «простого увеличения данных».
NLP - LSTM на уровне символов для прогнозирования пола от имен имен: 90% точности на предсказание пола французского и американских имен.
NLP - Немного классификации текста Shot: реализация простой статьи, которая использует предварительно обученные модели для нескольких классификации текста Shot.
NLP - улучшенная классификация текста Shot: улучшение предыдущих результатов с увеличением данных и более сложными моделями.
RL - Введение в обучение подкреплению: введение в основные строительные блоки обучения подкрепления.
RL - Марковский процесс принятия решений: обзор процесса принятия решений Маркова и уравнения Беллмана.
RL - Планирование с помощью динамического программирования: введение в динамическое программирование, включая итерацию политики и ценности.
NLP - я обучил нейронную сеть, чтобы говорить, как я: написав более 100 статей, я обучил NN писать статьи, как и я.
DL - Как изучают нейронные сети? : Погрузитесь в процесс питания и обратно.
Увидеть больше
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Модель линейной регрессии (1/2) | 14 мн | здесь | здесь |
| Модель линейной регрессии (3/2) | 10 мс | здесь | здесь |
| Основы тестирования статистической гипотезы | 5 мн | здесь | --- |
| Логистическая регрессия | 4 млн | здесь | здесь |
| Статистика в Matlab | 4 млн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Основы машинного обучения | 4 млн | здесь | --- |
| Байесский классификатор | 1 млн | здесь | --- |
| Линейный дискриминантный анализ | 3 млн | здесь | --- |
| Adaboost и повышение | 7 мн | здесь | здесь |
| Градиент повышает регрессию | 6 мс | здесь | здесь |
| Классификация повышения градиента | 3 млн | здесь | --- |
| Крупномасштабные методы ядра для SVM | 9 мн | здесь | здесь |
| Обнаружение аномалии | 3 млн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в временные ряды | 4 млн | здесь | здесь |
| Ключевые понятия временных рядов | 4 млн | здесь | здесь |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Цепочки Маркова | 9 мн | здесь | здесь |
| Скрытые модели Маркова | 6 мс | здесь | --- |
| Создайте приложение для распознавания языка с нуля | 10 мс | здесь | здесь |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в добычу графиков | 5 мн | здесь | здесь |
| График анализ | 4 млн | здесь | здесь |
| Графические алгоритмы | 11 мн | здесь | здесь |
| График обучение | 8 мн | здесь | здесь |
| График встраивается | 4 млн | здесь | здесь |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Gridsearch против рандомизированного поиска | 2 мн | здесь | --- |
| Automl с H2O | 6 мс | здесь | --- |
| Байесовская гиперпараметрическая оптимизация | 7 мн | здесь | здесь |
| Объяснение машинного обучения | 12 мн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в данные а именно | 12 мн | здесь | --- |
| Система визуальной рекомендации | 4 млн | здесь | --- |
| Интерактивные графики в Python с Altair | 5 мн | здесь | здесь |
| Динамические графики с BQ-Plot | --- | --- | здесь |
| Интерактивный инструмент с Altair | --- | здесь | --- |
| Интерактивный инструмент с D3.JS | --- | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в онлайн -обучение | 5 мн | здесь | --- |
| Линейная классификация | 1 млн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Rosenbalt's Perceptron | 8 мн | здесь | здесь |
| Многослойный персептрон (MLP) | 5 мн | здесь | здесь |
| Предотвратить переживание нейронных сетевых | 6 мс | здесь | --- |
| Полное введение в нейронные сети | 6 мс | здесь | --- |
| Сверточная нейронная сеть | 6 мс | здесь | --- |
| Как изучают нейронные сети? | 3 млн | здесь | --- |
| Функции активации в DL | 3 млн | здесь | здесь |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Начальная архитектура в Керасе | 2 мн | здесь | здесь |
| Создайте автоэкодер с использованием функционального API кераса | 5 мн | здесь | --- |
| Xception Architecture | 5 мн | здесь | здесь |
| Ганс на наборе данных MNIST | --- | --- | здесь |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Создайте веб -приложение для распознавания эмоций с нуля | 8 мн | здесь | здесь |
| Полный гид по лицу, рту и глазам в реальном времени | 16 мс | здесь | здесь |
| Как использовать Openpose на macOS? | 3 млн | здесь | --- |
| Введение в компьютерное зрение | 1 млн | здесь | --- |
| Фильтрация изображений и градиенты изображений | 5 мн | здесь | здесь |
| Усовершенствованная фильтрация и преобразование изображений | 5 мн | здесь | --- |
| Особенности изображения, панорама, сопоставление | 5 мн | здесь | --- |
| Внедрение Yolov3 для обнаружения объектов | 3 млн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в NLP | 1 млн | здесь | --- |
| Текст предварительной обработки | 8 мн | здесь | --- |
| Текст встраивается с луком и TF-IDF | 5 мн | здесь | --- |
| Текст встраивается с Word2VEC | 6 мс | здесь | --- |
| Я обучил нейронную сеть говорить, как я | 8 мн | здесь | здесь |
| Я обучил нейронную сеть говорить, как я | 8 мн | здесь | здесь |
| Немного классификации текста выстрела | 10 мс | здесь | здесь |
| Улучшенная классификация текста Shot Text | 9 мн | здесь | здесь |
| Прогнозирование пола от имен | 7 мн | здесь | здесь |
| Увеличение данных в НЛП | 3 млн | здесь | --- |
| Легкий вопрос, отвечая на Allennlp | 4 млн | здесь | --- |
| Название статьи | Прочитать время | Статья | Кодовая папка |
|---|---|---|---|
| Введение в обучение подкреплению | 6 мс | здесь | --- |
| Марковский процесс принятия решений | 7 мн | здесь | --- |
| Планирование динамическим программированием | 4 млн | здесь | --- |
Две общие статьи:
Понимание компьютерных компонентов (6MN Read) https://maelfabien.github.io/bigdata/comp_components/
Полезные команды Bash (1MN Read) https://maelfabien.github.io/bigdata/terminal/
Создание производства вашего кода (1 млн. Читает) https://maelfabien.github.io/bigdata/code/
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Введение в Hadoop | 4 млн | здесь |
| MapReduce | 3 млн | здесь |
| HDFS | 2 мн | здесь |
| Виртуальные виртуальные | 1 млн | здесь |
| Hadoop с песочницей Hortonworks | 2 мн | здесь |
| Загрузите и перемещайте файлы в HDFS | 2 мн | здесь |
| Запустить работу MapReduce | 2 мн | здесь |
| MapReduce Works в Python | 3 млн | здесь |
| MapReduce Job в Python локально | 1 млн | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Введение в Spark | 6 мс | здесь |
| Установите Spark Scala и Pyspark | 1 млн | здесь |
| Откройте для себя искра Scala | 2 мн | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Проект без SQL с нуля | 8 мн | здесь |
| Большие (открытые) данные, проект GDELT | 2 мн | здесь |
| Установите Zeppelin локально | 1 млн | здесь |
| Запустить Zeppelin на AWS EMR | 4 млн | здесь |
| Работа с ведрами S3 | 1 млн | здесь |
| Запуск и доступ к экземплярам AWS EC2 | 2 мн | здесь |
| Установите Apache Cassandra на кластер EC2 | 2 мн | здесь |
| Установите Zookeeper на экземпляры EC2 | 3 млн | здесь |
| Построить ETL в скала | 3 млн | здесь |
| Переместить Scala DataFrames в Cassandra | 2 мн | здесь |
| Переместить Scala DataFrames в Cassandra | 2 мн | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| AWS Cloud Concepts | 2 мн | здесь |
| AWS Core Services | 1 млн | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Руководство по выживанию TPU на Colab | 8 мн | здесь |
| Хранить файлы в Google Cloud и Colab | 1 млн | здесь |
| Руководство по выживанию TPU на Colab | 8 мн | здесь |
| Введение в GCP (неделя 1 модуль 1) | 6 мс | здесь |
| Лаборатория - экземпляр VM + облачный хранилище | 3 млн | здесь |
| Лаборатория - BigQuery Public Dataets | 1 млн | здесь |
| Введение в системы рекомендаций (модуль 1 недели 2) | 4 млн | здесь |
| Запустите задание Spark на облачном DataProc (модуль 1 недели 2) | 2 мн | здесь |
| Лаборатория - рекомендовать продукты, используя Cloud SQL и Sparkml | 6 мс | здесь |
| Запустите ML -модели в SQL с BigQuery ML (модуль 3 недели 3) | 6 мс | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Введение в ElasticStack | 1 млн | здесь |
| Начало работы с Elasticsearch и Kibana | 7 мн | здесь |
| Установите и запустите Kibana на местном уровне | 1 млн | здесь |
| Работа с Devtools в Elasticsearch | 9 мн | здесь |
| Работа с Devtools в Elasticsearch | 9 мн | здесь |
| Название статьи | Прочитать время | Статья |
|---|---|---|
| Введение в графические базы данных | 1 млн | здесь |
| День на neo4j Graphtour | 7 мн | здесь |
Кто художник? - Для Explorium.ai: иллюстрация того, как обогащение данных и инженерия функций может улучшить модель.
Интерпретируемость и объяснение машинного обучения (1/2) - для Explorium.ai: Введение в интерпретируемые модели с кодом и примерами.
Интерпретируемость и объяснение машинного обучения (2/2) - для Explorium.ai: Введение в объяснение в машинном обучении с кодом и примерами.
Руководство по обнаружению лица - для DigitalMinds.io: Обзор различных методов обнаружения лица в Python (с кодом).
Modéliser des Distributions Avec Python (French) - Для STAT4Decision: Веб -приложение для подгонки распределения с потоковой личкой.
ВВЕДЕНИЕ AU TARTEMENT Automatique de Language Naturel (TAL) (французский) - для STAT4Decision
Повышение и Adaboost четко объяснены: https://towardsdatascience.com/boosting-and-adaboost-clearly-explained-856e21152d3e
Руководство по обнаружению лица в Python: https://towardsdatascience.com/a-guide-to-face-detection-in-python-3eab0f6b9fc1
Цепочки Маркова и HMMS: https://towardsdatascience.com/markov-chains-and-hmms-ceaf2c854788
Введение в графики (часть 1): https://towardsdatascience.com/introduction-to-graphs-part-1-2de6cda8c5a5
Алгоритмы графика (часть 2): https://towardsdatascience.com/graph-algorithms-part-2-dce0b2734a1d
Алгоритмы графика (Часть 3): https://towardsdatascience.com/learning-in-graphs-with-python-part-3-8d5513eef62d
Я обучил нейронную сеть говорить, как я: https://towardsdatascience.com/i trained-a-network-to-peak-like-me-9552c16e2396
Следите за обновлениями :)
