Machine_Learning_Tutorials

Tutoriales y artículos de aprendizaje automático

En este repositorio, estoy cargando código, cuadernos y artículos de mi blog personal: https://maelfabien.github.io/. ¡No dudes en el repositorio si disfrutas de mi trabajo! ¡Se están publicando nuevos artículos semanalmente!

Recientemente comencé un boletín en el que reúne algunos artículos geniales que escribí sobre un tema, repositorios interesantes de GitHub, proyectos, documentos y más. Intentaré enviar 1 a 2 correos electrónicos por mes. Si desea permanecer en el bucle, simplemente haga clic aquí: http://eepurl.com/gyzi5

NUEVO: Estoy buscando científicos de datos motivados para ayudarme a construir algoritmos de impacto ambiental altos (CV esencialmente). Póngase en contacto conmigo si está interesado (desde mi sitio web, contactar a la sección)

Tabla de contenido:

• Hojas de trucos
• Últimos artículos
• Aprendizaje automático
• Aprendizaje profundo
• Ingeniería de datos
• Escrito para otros blogs
• Artículos medianos

En primer lugar, si no está familiarizado con los conceptos clave de Machine Learrning, asegúrese de verificar este primer artículo: https://maelfabien.github.io/machinelearning/ml_base/

El repositorio está organizado de la siguiente manera:

• Los artículos y los tutoriales se publican por categoría
• Hay un enlace al artículo en cuestión con el tiempo de lectura especificado
• El es un enlace a la carpeta de código para cada artículo

¿Te gustaría trabajar en un artículo conmigo? ¿O le gustaría que trabaje en un tema específico? ¡No dudes en llegar! ([email protected])

Hoja de trucos de aprendizaje automático:

Por el momento, estas hojas de trucos se escriben manualmente. Me gustaría crear un contenido visual más tarde que se buceara en las matemáticas e ilustraría claramente cada algoritmo.

1. Aprendizaje supervisado

2. Aprendizaje no supervisado

Proyectos

He hecho una serie de proyectos, todos disponibles en mi blog: https://maelfabien.github.io/portfolio/#

Últimos artículos

SP - Aplicación web de detección de género de voz: cómo extraer características relevantes y crear una aplicación de detección de género de voz utilizando MFCC, GMMS y un conjunto de datos proporcionado.

SP - Visualización de sonido (3/3): sumergirse en espectrogramas, cromagramas, tempogramas, densidad de potencia espectral y más ...

SP - Extracción de características de sonido (2/3): una descripción general con una implementación de Python de las diferentes características de sonido para extraer.

SP - Introducción al procesamiento de voz en Python (1/3): Resumen del libro "Computación de voz con Python" con conceptos, código y ejemplos.

SP - Construyendo una aplicación web de detección de actividad de voz: la detección de voz se puede usar para iniciar un asistente de voz o en casos de emergencia, por ejemplo. Aquí le mostramos cómo implementarlo utilizando métodos simples.

CV - Implementación de yolov3 para la detección de objetos: aprenda cómo implementar Yolov3 y detectar objetos en sus imágenes y videos.

NLP - Respondía de preguntas fáciles con Allennlp: Comprenda los conceptos centrales y cree un ejemplo simple de respuesta a las preguntas.

PNL - Aumento de datos en PNL: detalles de la implementación del documento de "aumento de datos fácil".

NLP - LSTM a nivel de personaje para predecir el género de los nombres de los primeros.

PNLP: pocas clasificaciones de texto de disparo: implementación de un documento simple que aprovecha los modelos previamente capacitados para pocas clasificaciones de texto de disparo.

PNLP - Pocos de texto mejorados de disparo: Mejora de los resultados anteriores con aumento de datos y modelos más complejos.

RL - Introducción al aprendizaje de refuerzo: una introducción a los componentes básicos del aprendizaje de refuerzo.

RL - Proceso de decisión de Markov: descripción general del proceso de decisión de Markov y la ecuación de Bellman.

RL - Planificación por programación dinámica: Introducción a la programación dinámica, incluida la iteración de política y valor.

PNLP - Entrené en una red neuronal para hablar como yo: después de haber escrito más de 100 artículos, entrené a un NN para escribir artículos como yo.

DL - ¿Cómo aprenden las redes neuronales? : Sumergirse en el proceso de avance y la propagación hacia atrás.

Ver más

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
El modelo de regresión lineal (1/2)	14mn	aquí	aquí
El modelo de regresión lineal (3/2)	10mn	aquí	aquí
Conceptos básicos de las pruebas de hipótesis estadística	5mn	aquí	---
La regresión logística	4mn	aquí	aquí
Estadísticas en MATLAB	4mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Los conceptos básicos del aprendizaje automático	4mn	aquí	---
Clasificador de Bayes	1mn	aquí	---
Análisis discriminante lineal	3mn	aquí	---
Adaboost y impulso	7mn	aquí	aquí
Regresión de impulso de gradiente	6mn	aquí	aquí
Clasificación de impulso de gradiente	3mn	aquí	---
Métodos de núcleo a gran escala para SVM	9mn	aquí	aquí
Detección de anomalías	3mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción a la serie temporal	4mn	aquí	aquí
Conceptos clave de series de tiempo	4mn	aquí	aquí

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Cadenas de Markov	9mn	aquí	aquí
Modelos ocultos de Markov	6mn	aquí	---
Cree una aplicación de reconocimiento de idiomas desde cero	10mn	aquí	aquí

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción a la minería de gráficos	5mn	aquí	aquí
Análisis de gráficos	4mn	aquí	aquí
Algoritmos gráficos	11mn	aquí	aquí
Aprendizaje de gráficos	8mn	aquí	aquí
Gráfico incrustado	4mn	aquí	aquí

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
GridSearch versus búsqueda aleatoria	2mn	aquí	---
Automl con H2O	6mn	aquí	---
Optimización de hiperparameter bayesianos	7mn	aquí	aquí
Aprendizaje automático Explicabilidad	12mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción a los datos a saber	12mn	aquí	---
Sistema de recomendación visual	4mn	aquí	---
Gráficos interactivos en Python con Altair	5mn	aquí	aquí
Gráficos dinámicos con trama BQ	---	---	aquí
Una herramienta interactiva con Altair	---	aquí	---
Una herramienta interactiva con D3.js	---	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción al aprendizaje en línea	5mn	aquí	---
Clasificación lineal	1mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
El perceptrón de Rosenbaltt	8mn	aquí	aquí
Perceptrón multicapa (MLP)	5mn	aquí	aquí
Evitar el sobreajuste de las necorks neurales	6mn	aquí	---
Introducción completa a las redes neuronales	6mn	aquí	---
Red neuronal convolucional	6mn	aquí	---
¿Cómo aprenden las redes neuronales?	3mn	aquí	---
Funciones de activación en DL	3mn	aquí	aquí

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Arquitectura de inicio en Keras	2mn	aquí	aquí
Construir un autoencoder utilizando la API funcional de Keras	5mn	aquí	---
Arquitectura de xception	5mn	aquí	aquí
Gans en el conjunto de datos MNIST	---	---	aquí

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Cree una aplicación web de reconocimiento de emociones desde cero	8mn	aquí	aquí
Una guía completa para la cara, la boca y los ojos en tiempo real Detección	16mn	aquí	aquí
¿Cómo usar OpenPose en MacOS?	3mn	aquí	---
Introducción a la visión por computadora	1mn	aquí	---
Filtrado de imágenes y gradientes de imagen	5mn	aquí	aquí
Filtrado avanzado y transformación de imágenes	5mn	aquí	---
Características de la imagen, panorama, coincidencia	5mn	aquí	---
Implementación de yolov3 para la detección de objetos	3mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción a PNL	1mn	aquí	---
Preprocesamiento de texto	8mn	aquí	---
Texto integrado con Bow y TF-IDF	5mn	aquí	---
TEXTO INCREGAR CON WORD2VEC	6mn	aquí	---
Entrené en una red neuronal para hablar como yo	8mn	aquí	aquí
Entrené en una red neuronal para hablar como yo	8mn	aquí	aquí
Pocas clasificaciones de texto de disparo	10mn	aquí	aquí
Mejoran pocas clasificación de texto de disparo	9mn	aquí	aquí
Predecir el género de los nombres	7mn	aquí	aquí
Aumento de datos en PNL	3mn	aquí	---
Respuesta de preguntas fáciles con Allennlp	4mn	aquí	---

Título del artículo	Tiempo de lectura	Artículo	Carpeta de código
Introducción al aprendizaje de refuerzo	6mn	aquí	---
Proceso de decisión de Markov	7mn	aquí	---
Planificación por programación dinámica	4mn	aquí	---

Dos artículos generales:

1. Comprensión de los componentes de la computadora (6 mn lectura) https://maelfabien.github.io/bigdata/comp_components/

2. Comandos de bash útiles (1 mn lectura) https://maelfabien.github.io/bigdata/merminal/

3. Preparando su producción de código (1 mn lectura) https://maelfabien.github.io/bigdata/code/

Título del artículo	Tiempo de lectura	Artículo
Introducción a Hadoop	4mn	aquí
Mapreduce	3mn	aquí
HDFS	2mn	aquí
Máquinas virtuales en cajas virtuales	1mn	aquí
Hadoop con el Hortonworks Sandbox	2mn	aquí
Cargar y mover archivos a HDFS	2mn	aquí
Iniciar un trabajo de MapReduce	2mn	aquí
MapReduce Jobs en Python	3mn	aquí
MapReduce Job en Python localmente	1mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Introducción a la chispa	6mn	aquí
Instale Spark-Scala y Pyspark	1mn	aquí
Descubre chispa-escala	2mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Un proyecto sin SQL desde cero	8mn	aquí
Datos grandes (abiertos), el proyecto GDELT	2mn	aquí
Instale Zeppelin localmente	1mn	aquí
Ejecute Zeppelin en AWS EMR	4mn	aquí
Trabajar con cubos S3	1mn	aquí
Instancias de lanzamiento y acceso a AWS EC2	2mn	aquí
Instale Apache Cassandra en el clúster EC2	2mn	aquí
Instale Zookeeper en instancias EC2	3mn	aquí
Construir un ETL en Scala	3mn	aquí
Mueva los marcos de datos de Scala a Cassandra	2mn	aquí
Mueva los marcos de datos de Scala a Cassandra	2mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Conceptos de la nube de AWS	2mn	aquí
AWS Core Services	1mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Guía de supervivencia de TPU sobre Colab	8mn	aquí
Almacenar archivos en Google Cloud y Colab	1mn	aquí
Guía de supervivencia de TPU sobre Colab	8mn	aquí
Introducción al GCP (Módulo 1 de la Semana 1)	6mn	aquí
Laboratorio - Instancia VM + Almacenamiento en la nube	3mn	aquí
Laboratorio: conjuntos de datos públicos de BigQuery	1mn	aquí
Introducción a los sistemas de recomendación (Módulo 2 de la Semana 1)	4mn	aquí
Ejecutar trabajos de Spark en la nube DataProc (Módulo 2 de la Semana 1)	2mn	aquí
Laboratorio: recomendar productos con Cloud SQL y SparkML	6mn	aquí
Ejecute modelos ML en SQL con BigQuery ML (Semana 1 Módulo 3)	6mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Introducción a Elasticstack	1mn	aquí
Comenzando con Elasticsearch y Kibana	7mn	aquí
Instalar y ejecutar kibana localmente	1mn	aquí
Trabajar con DevTools en Elasticsearch	9mn	aquí
Trabajar con DevTools en Elasticsearch	9mn	aquí

Título del artículo	Tiempo de lectura	Artículo
Introducción a las bases de datos de gráficos	1mn	aquí
Un día en Neo4J GraphTour	7mn	aquí

Escrito para otros blogs

1. ¿Quién es el pintor? - Para Explorium.ai: una ilustración de cómo el enriquecimiento de datos y la ingeniería de características pueden mejorar un modelo.

2. Interpretabilidad y explicación del aprendizaje automático (1/2) - para Explorium.AI: una introducción a modelos interpretables con código y ejemplos.

3. Interpretabilidad y explicabilidad del aprendizaje automático (2/2) - para Explorium.AI: una introducción a la explicación en el aprendizaje automático con código y ejemplos.

4. Una guía para la detección de cara: para DigitalMinds.io: una descripción general de las diferentes técnicas de detección facial en Python (con código).

5. Modéliser des Distributions Avec Python (francés) - Para STAT4Decision: Distribution Fitting Web Application con Streamlit.

6. INTRODUCCIÓN AU Traitement Automatique de Language Naturel (Tal) (French) - Para Stat4Decision

Artículos medianos

1. Boosting y Adaboost se explicó claramente: https://towardsdatascience.com/boosting-and-adaboost-crearty-expliced-856e21152d3e

2. Una guía para la detección de cara en Python: https://towardsdatascience.com/a-guide-to-face-detection-in-python-3eab0f6b9fc1

3. Chains y HMMS de Markov: https://towardsdatascience.com/markov-nhains-and-hmms-ceaf2c854788

4. Introducción a los gráficos (Parte 1): https://towardsdatascience.com/introduction-to-graphs-part-1-2de6cda8c5a5

5. Algoritmos gráficos (Parte 2): https://towardsdatascience.com/graph-algorithms-part-2-dce0b2734a1d

6. Algoritmos de gráficos (Parte 3): https://towardsdatascience.com/learning-in-Graphs-with-python-Part-3-8D5513Eef62d

7. Entrené en una red neuronal para hablar como yo: https://towardsdatascience.com/i-trained-a-network-to-peak-like-me-9552c16e2396

Manténganse al tanto :)