Machine_Learning_Tutorials
1.0.0
In diesem Repository lade ich Code, Notizbücher und Artikel aus meinem persönlichen Blog hoch: https://maelfabien.github.io/. Zögern Sie nicht zum Repo, wenn Sie meine Arbeit genießen! Neue Artikel werden wöchentlich veröffentlicht!
Ich habe kürzlich einen Newsletter gegründet, in dem ich einige coole Artikel sammle, die ich zu einem Thema geschrieben habe, interessante Github -Repositories, Projekte, Papiere und mehr! Ich werde versuchen, 1 bis 2 E -Mails pro Monat zu senden. Wenn Sie in der Schleife bleiben möchten, klicken Sie einfach hier: http://eepurl.com/gyyzi5
NEU: Ich suche motivierte Datenwissenschaftler, die mir helfen, hohe Algorithmen für Umweltverträge aufzubauen (im Wesentlichen CV). Bitte kontaktieren Sie mich, wenn Sie interessiert sind (von meiner Website, wenden Sie sich an Abschnitt).
Wenn Sie mit den wichtigsten Konzepten des Maschinen -Learnning nicht vertraut sind, überprüfen Sie diesen ersten Artikel: https://maelfabien.github.io/machinelearning/ml_base/
Das Repository ist folgendermaßen organisiert:
Sie möchten mit mir an einem Artikel arbeiten? Oder möchten Sie, dass ich an einem bestimmten Thema arbeite? Fühlen Sie sich frei zu erreichen! ([email protected])
Im Moment sind diese Cheat -Laken manuell geschrieben. Ich möchte später einen visuellen Inhalt erstellen, der beide in den Mathematik tauchen und jeden Algorithmus eindeutig veranschaulichen.
Ich habe eine Reihe von Projekten erstellt, die alle in meinem Blog verfügbar sind: https://maelfabien.github.io/portfolio/#
SP - Voice -Geschlechtserkennung Webanwendung: So extrahieren Sie relevante Funktionen und erstellen Sie eine Sprachgeschlechtserkennungsanwendung mithilfe von MFCC, GMM und einem bereitgestellten Datensatz.
SP - Klangvisualisierung (3/3): Tauchen in Spektrogramme, Chromagramme, Tempogramme, spektrale Leistungsdichte und mehr ...
SP - Sound -Feature -Extraktion (2/3): Eine Übersicht mit einer Python -Implementierung der verschiedenen Soundfunktionen zum Extrahieren.
SP - Einführung in die Sprachverarbeitung in Python (1/3): Zusammenfassung des Buches "Voice Computing mit Python" mit Konzepten, Code und Beispielen.
SP - Erstellen einer Sprachaktivitätserkennung Webanwendung: Die Spracherkennung kann zum Beispiel zum Starten eines Sprachassistenten oder in Notfällen verwendet werden. Hier erfahren Sie, wie Sie es mit einfachen Methoden implementieren.
CV - Implementieren von Yolov3 zur Objekterkennung: Erfahren Sie, wie Sie YOLOV3 implementieren und Objekte auf Ihren Bildern und Videos erkennen.
NLP - Einfache Frage zur Beantwortung von AllennlP: Verstehen Sie die Kernkonzepte und erstellen Sie ein einfaches Beispiel für die Beantwortung von Fragen.
NLP - Datenerweiterung in NLP: Details zur Implementierung von "Easy Data Augmentation" -Papier.
NLP - LSTMS auf Charakterebene, um das Geschlecht der Vornamen vorherzusagen: 90% Genauigkeit auf Vorhersage Das Geschlecht des Französischen und der US -Vornamen.
NLP - Wenige Schusstextklassifizierung: Implementierung eines einfachen Papiers, das vorgebrachte Modelle für wenige Schusstextklassifizierung nutzt.
NLP - Verbesserte wenige Schusstextklassifizierung: Verbesserung früherer Ergebnisse mit Datenvergrößerung und komplexeren Modellen.
RL - Einführung in das Verstärkungslernen: Eine Einführung in die grundlegenden Bausteine des Verstärkungslernens.
RL - Markov -Entscheidungsprozess: Überblick über den Markov -Entscheidungsprozess und die Bellman -Gleichung.
RL - Planung nach dynamischer Programmierung: Einführung in die dynamische Programmierung, einschließlich Richtlinien- und Wert -Iteration.
NLP - Ich habe ein neuronales Netzwerk ausgebildet, um wie ich zu sprechen: Nachdem ich über 100 Artikel geschrieben hatte, trainierte ich ein NN, um Artikel wie ich zu schreiben.
DL - Wie lernen neuronale Netze? : Tauchen Sie in den Feedforward-Prozess und in die Rückführung ein.
Sehen Sie mehr
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Das lineare Regressionsmodell (1/2) | 14m | Hier | Hier |
| Das lineare Regressionsmodell (3/2) | 10m | Hier | Hier |
| Grundlagen statistischer Hypothesentests | 5mn | Hier | --- |
| Die logistische Regression | 4m | Hier | Hier |
| Statistiken in Matlab | 4m | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Die Grundlagen des maschinellen Lernens | 4m | Hier | --- |
| Bayes -Klassifikator | 1mn | Hier | --- |
| Lineare Diskriminanzanalyse | 3Mn | Hier | --- |
| Adaboost und Boosting | 7mn | Hier | Hier |
| Gradienten -Boosting -Regression | 6m | Hier | Hier |
| Gradienten -Boosting -Klassifizierung | 3Mn | Hier | --- |
| Große Kernel -Methoden für SVM | 9mn | Hier | Hier |
| Anomalieerkennung | 3Mn | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in die Zeitreihe | 4m | Hier | Hier |
| Schlüsselkonzepte der Zeitreihe | 4m | Hier | Hier |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Markov -Ketten | 9mn | Hier | Hier |
| Versteckte Markov -Modelle | 6m | Hier | --- |
| Erstellen Sie eine Spracherkennungs -App von Grund auf neu | 10m | Hier | Hier |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in den Grafikabbau | 5mn | Hier | Hier |
| Graphanalyse | 4m | Hier | Hier |
| Graphalgorithmen | 11m | Hier | Hier |
| Grafiklernen | 8mn | Hier | Hier |
| Grafikeinbettung | 4m | Hier | Hier |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| GridSearch vs. Randomisierte Suche | 2Mn | Hier | --- |
| Automat mit H2O | 6m | Hier | --- |
| Bayesian Hyperparameteroptimierung | 7mn | Hier | Hier |
| Erklärbarkeit des maschinellen Lernens | 12m | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in die Daten nämlich | 12m | Hier | --- |
| Visuelles Empfehlungssystem | 4m | Hier | --- |
| Interaktive Diagramme in Python mit Altair | 5mn | Hier | Hier |
| Dynamische Diagramme mit BQ-Plot | --- | --- | Hier |
| Ein interaktives Werkzeug mit Altair | --- | Hier | --- |
| Ein interaktives Werkzeug mit D3.Js | --- | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in das Online -Lernen | 5mn | Hier | --- |
| Lineare Klassifizierung | 1mn | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Die Wahrnehmung des Rosenbaltts | 8mn | Hier | Hier |
| Multilayer Perceptron (MLP) | 5mn | Hier | Hier |
| Verhindern Sie die Überanpassung neuronaler Netzwerke | 6m | Hier | --- |
| Vollständige Einführung in neuronale Netze | 6m | Hier | --- |
| Faltungsnetzwerk | 6m | Hier | --- |
| Wie lernen neuronale Netze? | 3Mn | Hier | --- |
| Aktivierungsfunktionen in DL | 3Mn | Hier | Hier |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Inception -Architektur in Keras | 2Mn | Hier | Hier |
| Erstellen Sie einen Autoencoder mit der Kerasfunktions -API | 5mn | Hier | --- |
| Xception Architektur | 5mn | Hier | Hier |
| Gans auf dem MNIST -Datensatz | --- | --- | Hier |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Erstellen Sie eine Emotionserkennungs -Webapp von Grund auf neu | 8mn | Hier | Hier |
| Eine vollständige Anleitung zu Gesicht, Mund und Augen Echtzeitkennung | 16 mn | Hier | Hier |
| Wie benutze ich den Pose auf MacOS? | 3Mn | Hier | --- |
| Einführung in Computer Vision | 1mn | Hier | --- |
| Bildfilterung und Bildgradienten | 5mn | Hier | Hier |
| Erweiterte Filterung und Bildtransformation | 5mn | Hier | --- |
| Bildfunktionen, Panorama, Matching | 5mn | Hier | --- |
| Implementierung von Yolov3 zur Objekterkennung | 3Mn | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in NLP | 1mn | Hier | --- |
| Textvorverarbeitung | 8mn | Hier | --- |
| Text einbettet mit Bogen und TF-IDF ein | 5mn | Hier | --- |
| Text einbettet mit Word2VEC | 6m | Hier | --- |
| Ich habe ein neuronales Netzwerk geschult, um wie ich zu sprechen | 8mn | Hier | Hier |
| Ich habe ein neuronales Netzwerk geschult, um wie ich zu sprechen | 8mn | Hier | Hier |
| Nur wenige Schusstextklassifizierung | 10m | Hier | Hier |
| Verbesserte wenige Schusstextklassifizierung | 9mn | Hier | Hier |
| Vorhersage des Geschlechts von Vornamen | 7mn | Hier | Hier |
| Datenvergrößerung in NLP | 3Mn | Hier | --- |
| Einfache Frage bei der Beantwortung von Allennlp | 4m | Hier | --- |
| Artikel Titel | Zeit lesen | Artikel | Codeordner |
|---|---|---|---|
| Einführung in das Verstärkungslernen | 6m | Hier | --- |
| Markov -Entscheidungsprozess | 7mn | Hier | --- |
| Planung durch dynamische Programmierung | 4m | Hier | --- |
Zwei allgemeine Artikel:
Verständnis von Computerkomponenten (6Mn lesen) https://maelelfabien.github.io/bigdata/comp_components/
Nützliche Bash -Befehle (1mn lesen) https://maelfabien.github.io/bigdata/terminal/
Machen Sie Ihre Codeproduktion fertig (1Mn lesen) https://maelfabien.github.io/bigdata/code/
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| Einführung in Hadoop | 4m | Hier |
| MapReduce | 3Mn | Hier |
| HDFS | 2Mn | Hier |
| VMs in virtueller Box | 1mn | Hier |
| Hadoop mit dem Hortonworks Sandbox | 2Mn | Hier |
| Laden und verschieben Sie Dateien in HDFs | 2Mn | Hier |
| Starten Sie einen MapReduce -Job | 2Mn | Hier |
| MapReduce Jobs in Python | 3Mn | Hier |
| MapReduce Job in Python vor Ort | 1mn | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| Einführung in Spark | 6m | Hier |
| Installieren Sie Spark-Scala und PySpark | 1mn | Hier |
| Entdecken Sie Spark-Scala | 2Mn | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| Ein No-SQL-Projekt von Grund auf neu | 8mn | Hier |
| Große (offene) Daten, das GDELT -Projekt | 2Mn | Hier |
| Zeppelin lokal installieren | 1mn | Hier |
| Führen Sie Zeppelin auf AWS EMR aus | 4m | Hier |
| Arbeiten Sie mit S3 -Eimer | 1mn | Hier |
| Starten und Zugriff auf AWS -EC2 -Instanzen | 2Mn | Hier |
| Installieren Sie Apache Cassandra am EC2 -Cluster | 2Mn | Hier |
| Installieren Sie Zookeeper in EC2 -Instanzen | 3Mn | Hier |
| Bauen Sie eine ETL in Scala auf | 3Mn | Hier |
| Verschieben Sie Scala -Datenrahmen in Cassandra | 2Mn | Hier |
| Verschieben Sie Scala -Datenrahmen in Cassandra | 2Mn | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| AWS Cloud -Konzepte | 2Mn | Hier |
| AWS -Kerndienste | 1mn | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| TPU -Überlebensanleitung zu Colab | 8mn | Hier |
| Speichern Sie Dateien auf Google Cloud und Colab | 1mn | Hier |
| TPU -Überlebensanleitung zu Colab | 8mn | Hier |
| Einführung in GCP (Modul in Woche 1) | 6m | Hier |
| Labor - Instanz VM + Cloud -Speicher | 3Mn | Hier |
| Labor - BigQuery öffentliche Datensätze | 1mn | Hier |
| Einführung in Empfehlungssysteme (Modul in Woche 1) | 4m | Hier |
| Führen Sie Spark Jobs auf Cloud DataProc aus (Woche 1 Modul 2) | 2Mn | Hier |
| LAB - Produkte mit Cloud SQL und SparkML empfehlen | 6m | Hier |
| Führen Sie ML -Modelle in SQL mit BigQuery ML (Woche 1 Modul 3) aus | 6m | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| Einführung in den ElasticStack | 1mn | Hier |
| Erste Schritte mit Elasticsearch und Kibana | 7mn | Hier |
| Installieren und führen Sie Kibana lokal aus | 1mn | Hier |
| Arbeiten mit Devtools in Elasticsearch | 9mn | Hier |
| Arbeiten mit Devtools in Elasticsearch | 9mn | Hier |
| Artikel Titel | Zeit lesen | Artikel |
|---|---|---|
| Einführung in Grafikdatenbanken | 1mn | Hier |
| Ein Tag bei NEO4J Graphtour | 7mn | Hier |
Wer ist der Maler? - für Explorium.ai: Ein Beispiel dafür, wie Datenanreicherung und Feature Engineering ein Modell verbessern können.
Interpretierbarkeit und Erklärung des maschinellen Lernens (1/2) - für Explorium.ai: Eine Einführung in interpretierbare Modelle mit Code und Beispielen.
Interpretierbarkeit und Erklärung für maschinelles Lernen (2/2) - für Explorium.ai: Eine Einführung in die Erklärung des maschinellen Lernens mit Code und Beispielen.
Ein Leitfaden zur Erkennung von Gesicht - für DigitalMinds.io: Ein Überblick über die verschiedenen Techniken der Gesichtserkennung in Python (mit Code).
Modéliser des Distributions AVEC Python (Französisch) - Für stat4Decision: Verteilungsanpassungswebanwendung mit Streamlit.
Einführung AU Traitement Automatique de Language Naturel (TAL) (Französisch) - für stat4Decision
Boosting und Adaboost klar erklärt: https://towardsdatascience.com/boosting-andaboost-clrearly-plained-856e21152d3e
Ein Leitfaden zur Erkennung von Gesicht in Python: https://towardsdatascience.com/a-guide-to-face-dektection-in-python-3ab0f6b9fc1
Markov-Ketten und HMMs: https://towardsdatascience.com/markov-kains-hmms-caf2c854788
Einführung in Grafiken (Teil 1): https://towardsdatascience.com/inTroduction-to-graphs-part-2de6cda8c5a5
Graph-Algorithmen (Teil 2): https://towardsdatascience.com/graph-algoriths-part-2-dce0b2734a1d
Graph-Algorithmen (Teil 3): https://towardsdatascience.com/learning-in-graphs-with-python-spart-3-8d5513eef62d
Ich habe ein neuronales Netzwerk ausgebildet, um wie ich zu sprechen: https://towardsdatascience.com/i-trained-a-network-tospeak-like-me-9552c16e2396
Bleiben Sie dran :)
