Data science best resources
1.0.0
데이터 과학과 관련하여 신중하게 선별된 리소스와 링크(소프트웨어, 플랫폼, 언어, 기술 등의 주제)가 모두 한 곳에 있습니다.
MONTRÉAL.AI 아카데미: 인공 지능 101 모두를 위한 세계 최고 수준의 AI 개요
OpenAI 블로그
AI는 기업처럼 생각하는데 그게 걱정스럽습니다 - Open Voices
AI주제
뇌는 정보를 개별적인 형태로 저장합니까, 아니면 아날로그 형태로 저장합니까?
설명 가능한 인공 지능(1부) - 인간이 해석할 수 있는 기계의 중요성…
특이점은 오는가? – 아크 디지털
Michael I. Jordan NYSE 머신러닝 프레젠테이션
일부 과학자들은 초지능 기계가 인류에게 위협이 될 수 있다고 우려합니다 | 워싱턴 포스트
AI의 네 가지 물결 | 링크드인
알고리즘이 잘못되면 반격할 수 있는 힘이 필요하다고 연구자들은 말합니다. - The Verge
Amazon CloudWatch - 애플리케이션 및 인프라 모니터링
Amazon DynamoDB - 개요
Amazon Elastic Block Store(EBS) - Amazon Web Services
Amazon 탄력적 파일 시스템(EFS) | 클라우드 파일 스토리지
AWS 개념: AWS 이해 - YouTube
AWS 개념: 강좌 자료 및 기능 이해 - YouTube
10분 만에 AWS 소개 | 초보자를 위한 AWS 튜토리얼 | AWS 교육 비디오 | AWS 튜토리얼 | 심플리런 - YouTube
AWS re:Invent 2017: Amazon Lightsail(CMP212)을 사용하여 쉽게 프로덕션 앱 구축 - YouTube
클래스 없는 도메인 간 라우팅 - Wikipedia
클라우드 컴퓨팅 제품 – Amazon Web Services(AWS)
클라우드 개체 스토리지 | 어디서나 데이터 저장 및 검색 | 아마존 심플 스토리지 서비스
탄력적 로드 밸런싱 - Amazon Web Services
Amazon EC2에서 Spark, Python 및 Jupyter Notebook을 실행하기
PuTTY를 사용하여 Windows에서 SSH를 통해 EC2 Linux 인스턴스에 액세스
클라우드 컴퓨팅이란 무엇입니까? - 아마존 웹 서비스
2021년에 머신러닝 엔지니어가 되기 위한 7단계 가이드
생성적 적대 신경망에서 레이블이 지정된 데이터의 필요성 줄이기
Jason의 Google ML 101 자료
기계 학습 및 데이터 과학을 위한 꼭 읽어야 할 무료 도서 10권
야심찬 데이터 과학자를 위한 조언: 블로그를 시작하세요 - Variance explained
브랜든 로허 블로그
Chris Albon - 데이터 과학, 기계 학습 및 인공 지능
데이터 과학 스택 교환
데이터 회의론자
데이터타우
explain.ai - 머신러닝 및 관련 주제에 대한 심층 설명
흐르는 데이터
지금 당장 사용할 수 있는 (대략) 3000개의 무료 데이터 소스는 다음과 같습니다.
데이터 과학을 배우고 싶다면 다음 통계 수업 중 몇 가지를 들어보세요.
데이터 과학 배우기 - 인포그래픽(문서) - DataCamp
LIGO 중력파 GW150914_tutorial
OR 및 분석 성공 사례 - INFORMS
OpenAI 블로그
폴 포드: 코드란 무엇인가? | 블룸버그
과학은 깨지지 않는다 | 다섯서른여덟
과학적으로 타당함
AI스페이스
기계 학습, 데이터 과학, 확률, SQL 및 빅 데이터에 대한 상위 28가지 치트 시트
GitHub Python 데이터 과학 스포트라이트: AutoML, NLP, 시각화, ML 워크플로
엔드투엔드 데이터 과학 프로젝트 해결
Deep Learning 살펴보기(코드, 수학, 토론이 포함된 대화형 딥 러닝 도서)
머신러닝 수학책
코딩 배우기 | 코드카데미
강의노트 | MATLAB 소개 | 전기 공학 및 컴퓨터 공학 | MIT 오픈코스웨어
빅 데이터, 데이터 과학, 데이터 마이닝, 기계 학습, Python, R 등에 관한 60권 이상의 무료 도서
특성 엔지니어링 및 선택: 예측 모델을 위한 실용적인 접근 방식
신경망과 딥러닝 - 온라인 서적
명령줄을 사용하여 GitHub에 기존 프로젝트 추가 - 사용자 문서
초보자를 위한 Git 및 GitHub 소개(튜토리얼)
다음의 간단한 규칙을 따르면 Git 및 GitHub 마스터가 될 수 있습니다.
힘내 - 책
git - 간단한 가이드 - 깊은 내용은 없습니다!
더 이상 GIT를 두려워하지 않는 방법 – freeCodeCamp.org
joshnh/Git-Commands: 일반적으로 사용되는 Git 명령 목록
GitHub 프로젝트에 기여하기 위한 초보자 가이드 - Rob Allen의 DevNotes
GitHub 흐름 이해하기 · GitHub 가이드
반파시스트 AI를 향하여 (from opendemocracy.net)
레벨 3.0 데이터 사이언티스트 되기
데이터 과학자의 세 번째 물결
하루 10분 안에 내면의 천재성을 불러일으킬 가장 지적으로 자극적인 46개 사이트
인공지능은 스스로 배우는 법을 배웁니다 | 콴타 매거진
에드워드 위튼(Edward Witten), 현실의 본질에 대해 고민하다 | 콴타 매거진
엔지니어는 ETL을 작성해서는 안 됩니다: 고성능 데이터 과학 부서 구축을 위한 가이드 | Stitch Fix 기술 – 멀티스레드
신경망의 일반 이론을 위해 구축된 기초 - Quanta Magazine
일반적인 사고 도구: 어려운 문제를 해결하기 위한 9가지 정신 모델
소셜 미디어가 지식을 위협하는 방법 | 열광한
이 작은 도시에서 AI 발전은 비용이 많이 들 수 있습니다 - MIT Technology Review
혼돈을 예측하는 기계 학습의 '놀라운' 능력 | 콴타 매거진
비교할 수 없을 정도로 세부적인 새로운 뇌 지도가 신경과학을 변화시킬 수 있습니다 | 열광한
페드로 도밍고스, 인공지능 군비경쟁에 나서다 - SPIEGEL ONLINE
양자 컴퓨팅의 양자 도약? - 사이언티픽 아메리칸
중서부 공립 대학의 취약한 상태 - The Atlantic
인간 노동의 미래는 상상력, 창의성, 전략이다
양자 열역학 혁명 | 콴타 매거진
코드란 무엇입니까? | 폴 포드| 블룸버그
인공 지능의 경제학 - 더 저렴한 예측이 세상을 어떻게 변화시킬 것인가
OpenAI의 Dota 2 패배는 여전히 인공지능의 승리입니다 - The Verge
머신 러닝이 방 안의 코끼리와 맞서다 | 콴타 매거진
Andrew Ng의 Stanford/Coursera 기계 학습 수업 전체 강의 노트
200개 대학에서 560개의 무료 온라인 강좌를 개설했습니다. 전체 목록은 다음과 같습니다.
인공지능 | MIT 오픈코스웨어
대시보드 | MIT 전문 교육 디지털 프로그램
데이터 과학 AZ™: 실제 데이터 과학 연습 포함 | 유데미
데이터 과학 필수사항 | edX
기계 학습 및 데이터 과학에 효과적인 MOOC를 선택하는 방법은 무엇입니까?
아직 완전 무료인 1,150개 이상의 Coursera 강좌를 발견했습니다
정보와 엔트로피 | MIT 오픈코스웨어
알고리즘 소개 | MIT 오픈코스웨어
엑셀을 활용한 데이터 분석 입문 | edX
데이터 과학을 위한 Python 소개 | edX
데이터 과학을 위한 R 소개 | edX
컴퓨터 과학을 위한 수학 | MIT 오픈코스웨어
데이터 과학을 위한 Python 프로그래밍!
데이터 과학을 위한 통계적 사고 과정
2017년 최고의 데이터 과학 온라인 강좌 – LearnDataSci
U. Wash ML 과정 Jupyter 홈
SQL 조인에 대한 시각적 설명
조인(SQL) - Wikipedia
PostgreSQL: 수학 함수 및 연산자
PostgreSQL: 문자열 함수 및 연산자
Psycopg2 튜토리얼 - Python을 사용한 PostgreSQL
SQL 조인 설명
데이터 분석을 위한 SQL 자습서 | SQL 튜토리얼 - 모드 분석
SQL 대 NoSQL 또는 MySQL 대 MongoDB - YouTube
SQL로 생각하기 vs Python으로 생각하기
Kaggle SQL 과정(BigQuery 주제 포함)
일반적인 통계 테스트는 선형 모델(또는: 통계를 가르치는 방법)입니다.
기초 통계 - OpenText Library
일반적인 통계 테스트는 선형 모델(또는: 통계를 가르치는 방법)입니다.
배경: 마르코프 체인
오픈인트로 통계
회귀 분석 튜토리얼 및 예제 | 미니탭
데이터 과학자가 숙달해야 할 10가지 통계 기법
12가지 차원 축소 기술에 대한 최종 가이드(Python 코드 포함)
토마스 베이즈와 과학의 위기 – TheTLS
STAT 505에 오신 것을 환영합니다! | 통계 505
베이지안 선형 회귀 소개 - 데이터 과학을 향하여
회귀 분석 튜토리얼 및 예제 | 미니탭
데이터 과학자가 숙달해야 할 10가지 통계 기법
STAT 505에 오신 것을 환영합니다! | 통계 505
확률과 통계를 시각적으로
핵심 개발자의 Scikit-image를 설명하는 논문
데이터 시각화의 첫 300년을 탐색할 수 있는 전체 화면 대화형
디자인-훌륭한 시각화.pdf
데이터 시각화 갤러리 - 놓친 기회 및 그래픽 실패
1-4단원, 첫 번째 시각화 데이터 - Govind Acharya | 태블로 퍼블릭
1854년 콜레라 발병 지도 작성 | 태블로 퍼블릭
자원 | 태블로 퍼블릭
기계 학습 및 데이터 과학을 위한 꼭 읽어야 할 무료 도서 10권
빅 데이터, 데이터 과학, 데이터 마이닝, 기계 학습, Python, R 등에 관한 60권 이상의 무료 도서
데이터 회의론자
GGobi 데이터 시각화 시스템.
GitHub(Tirthajyoti Sarkar)
지금 당장 사용할 수 있는 (대략) 3000개의 무료 데이터 소스는 다음과 같습니다.
데이터 과학을 배우고 싶다면 다음 통계 수업 중 몇 가지를 들어보세요.
코딩 배우기 | 코드카데미
강의노트 | MATLAB 소개 | 전기 공학 및 컴퓨터 공학 | MIT 오픈코스웨어
매체 – 중요한 이야기를 읽고, 쓰고, 공유하세요.
과학적으로 타당함
기계 학습, 데이터 과학, 확률, SQL 및 빅 데이터에 대한 상위 28가지 치트 시트
데이터 과학 배우기 - 인포그래픽(문서) - DataCamp
숙제 3
딥블루베리
Brandon Rohrer - 순환 신경망(RNN) 및 장단기 기억(LSTM)
CS231n 강의 10 - 순환 신경망, 이미지 캡션, LSTM - YouTube
딥러닝 적용의 기본 사항(Andrew Ng) - YouTube
Siraj Raval - LSTM Networks - 지능의 수학(8주차) - YouTube
Siraj Raval - 순환 신경망 - 지능의 수학(5주차) - YouTube
Andrew Ng: 인공지능은 새로운 전기입니다 - YouTube
신경망 놀이터
그런데 신경망이란 무엇 입니까 ? | 딥러닝, 1장
Java의 컨벌루션 네트워크 - Deeplearning4j: JVM을 위한 오픈 소스, 분산 딥 러닝
시각적 인식을 위한 CS231n 컨벌루션 신경망
딥 러닝 기초 - 인지 수업
LSTM 탐색
기능 시각화
신경망과 딥러닝
Hinton의 캡슐 네트워크 이해 1부: 직관.
LSTM 네트워크 이해 - colah의 블로그
순환 신경망의 비합리적인 효율성
Andrej Carpathy 블로그 - 신경망에 대한 해커 가이드
순환 네트워크 및 LSTM에 대한 초보자 가이드 - Deeplearning4j: JVM을 위한 오픈 소스, 분산 딥 러닝
J Alammar – 터치 가능한 픽셀과 지능형 안드로이드를 통한 탐색
순차 모델 가이드 - Keras 문서
케라스 문서
Keras를 통한 딥 러닝을 위해 단어 임베딩 레이어를 사용하는 방법 - 머신 러닝 숙달
tf.estimator를 사용하여 입력 함수 구축 | 텐서플로우
TensorFlow 시작하기 | 텐서플로우
Windows에 TensorFlow 설치 | 텐서플로우
텐서플로우
TensorFlow 선형 모델 튜토리얼 | 텐서플로우
TensorFlow 와이드 & 딥 학습 튜토리얼 | 텐서플로우
GPU가 있는 Windows에서 TensorFlow 사용 | 히튼 연구
설치 가이드 Windows :: CUDA 툴킷 문서
Python으로 머신러닝을 마스터하는 7단계
머신러닝에 대한 시각적 소개
버클리 AI 재료
코더를 위한 딥 러닝 fast.ai
강의집 | 기계 학습 - 스탠포드 과정
Microsoft Azure ML 치트 시트
Pedro Domigos 머신러닝 강의
Python의 기계 학습을 위한 히치하이커를 위한 가이드
Github의 상위 10개 머신러닝 프로젝트
UCI 머신러닝 저장소
[ISLR 수업 동영상](https://www.r-bloggers.com/in-length-introduction-to-machine-learning-in-15-hours-of-expert-videos/
기계 학습 Zero-to-Hero: Kaggle에서 처음으로 경쟁하는 데 필요한 모든 것…
GOOGLE - 기계 학습의 규칙: | 기계 학습 규칙 | 구글 개발자
PySpark ML 튜토리얼 예시
Python 생성기 튜토리얼
R Markdown: 최종 가이드
GitHub 흐름 이해하기 · GitHub 가이드
머신러닝 인터뷰를 준비하는 방법 - 의미론적 비트
AI, 신경망, 기계 학습, 딥 러닝 및 빅 데이터에 대한 치트 시트
AI 지식 맵: AI 기술을 분류하는 방법
PySpark 및 MLlib를 사용하여 선형 회귀 구축
PySpark의 DataFrame 작업에 대한 전체 가이드
Install_Spark_on_Windows10.pdf
소개 · Apache Spark 마스터하기
MLlib: 기본 가이드 - Spark 2.3.1 문서
개요 - Spark 2.3.1 문서
RDD 프로그래밍 가이드 - Spark 2.3.1 문서
rdflib 5.0.0-dev — rdflib 5.0.0-dev 문서
Spark SQL 및 DataFrames - Spark 2.3.1 문서
Spark Python API 문서에 오신 것을 환영합니다! — PySpark 2.3.1 문서
머신러닝 프로젝트에 Google AI Platform을 고려해야 하는 이유
초보자를 위한 클라우드 컴퓨팅 튜토리얼 | 클라우드 컴퓨팅 설명 | 클라우드 컴퓨팅 | 심플리런 - YouTube
어려운 문제에 대한 간략한 가이드 | 콴타 매거진
데이터 과학자가 도구 상자에 필요한 10가지 마이닝 기술
Wikipedia 데이터 과학: 세계 최대 백과사전과 협력
이상값 탐지 기술에 대한 간략한 개요 - 데이터 과학을 향하여
컨테이너, VM 및 Docker에 대한 초보자 친화적인 소개
초보자를 위한 빠르고 쉬운 Docker 튜토리얼(비디오 시리즈)
12분 안에 Docker Compose 만들기 - YouTube
Ubuntu 18.04에서 Docker를 설치하고 사용하는 방법 | 디지털오션
Ubuntu 18.04 Bionic Beaver에 Docker를 설치하는 방법 - LinuxConfig.org
12분 안에 Docker를 배우시겠습니까? - 유튜브
컨테이너란 무엇입니까? - 유튜브
도커란 무엇입니까 | 초보자를 위한 Docker 튜토리얼 | 도커 컨테이너 | DevOps 도구 | 에듀레카 - YouTube
Python과 Docker를 사용하여 나만의 데이터 과학 플랫폼 구축 - YouTube
프로그래머를 위한 50개 이상의 데이터 구조 및 알고리즘 인터뷰 질문
GraphQL과 REST – Apollo GraphQL
마이크로서비스, API 및 Swagger: 서로 어울리는 방법 | 멋진
REST API 개념 및 예 - YouTube
웹 아키텍처 101 – VideoBlocks 제품 및 엔지니어링
REST API 및 RESTful 웹 서비스 설명 - YouTube
우리 컬렉션 - 데이터 과학을 향하여
JSON 집중 강좌 - YouTube 사용할 수 있나요? HTML5, CSS3 등의 지원 표 HTML5 양식 유효성 검사 예 < HTML | 웹의 예술
CSS 핸드북: 개발자를 위한 편리한 CSS 가이드
HTML과 CSS를 사용하여 간단한 웹사이트 만들기 - 1부 - YouTube
CSS 소개 - W3Schools
12분 안에 CSS 배우기 - YouTube
초보자 JavaScript 튜토리얼 - 1 - JavaScript 소개 - YouTube
엘로퀀트 자바스크립트
JavaScript를 사용한 양식 유효성 검사 - 빈 텍스트 필드 확인 - YouTube
자바스크립트 기초 1부
JavaScript 초보자 튜토리얼 30 - 양식 유효성 검사 텍스트 상자 및 비밀번호 - YouTube
JavaScript: 간단한 양식 유효성 검사 - YouTube
12분 안에 JavaScript 배우기 - YouTube
JavaScript를 사용한 기계 학습: 1부 – Hacker Noon
JavaScript를 사용한 기계 학습: 2부 – Hacker Noon
W3School - JavaScript 양식 유효성 검사
W3schools - 자바스크립트 튜토리얼
ClearlyDecoded.com - Yaakov Chaikin
GoDaddy 호스팅 계정 시작 안내서
2018년 웹사이트 제작 방법 - 웹 호스팅 가이드 | WHSR
jhu-ep-coursera/fullstack-course4: 웹 개발자 Coursera 과정을 위한 HTML, CSS 및 Javascript의 예제 코드
무료 JavaScript 튜토리얼 - 스케일러
문제 해결 기술 - LaTeX 기호
Detexify LaTeX 필기 기호 인식
http://quicklatex.com/
LaTeX 기호 위키
종합 LaTeX 기호 목록 종합 LaTeX 기호 목록 - Symbols-a4.pdf
Pandoc - Pandoc 사용자 가이드
MathJax 문서 — MathJax 2.7 문서
MathJax에서 사용할 수 있는 TeX 명령
Windows 10의 VirtualBox에 Ubuntu Linux를 설치하는 방법 [단계별 가이드] | 포스입니다
Microsoft PowerShell 자습서 및 교육 과정 - Microsoft Virtual Academy
가장 인기 있는 Linux 배포판과 이들이 시장을 지배하는 이유
Windows에 Linux 가상 머신을 설치하는 매우 간단한 가이드 - StorageCraft Technology Corporation
[해결됨] Ubuntu에서 잠금 /var/lib/dpkg/lock 오류를 얻을 수 없습니다 | 포스입니다
Python의 시계열 분석: 소개 – 데이터 과학을 향하여
RJT1990/pyflux: Python용 오픈 소스 시계열 라이브러리
MaxBenChrist/awesome_time_series_in_python: 이 선별된 목록에는 시계열 분석을 위한 Python 패키지가 포함되어 있습니다.
시계열 시작하기 — PyFlux 0.4.7 문서
ARIMA 모델 소개
시계열 예측 생성을 위한 전체 가이드(Python 코드 포함)
Python을 사용하여 시계열 예측을 위한 ARIMA 모델을 만드는 방법
Kaggle의 Siraj 코스가 포함된 시계열
인공 지능의 신화와 현실을 폭로하다 - Forbes
인공 지능 - 혁명은 아직 일어나지 않았습니다
인공지능은 스스로 배우는 법을 배웁니다 | 콴타 매거진
불교 철학은 빅뱅 이전에 무엇이 일어났는지 설명할 수 있습니까? | 이온 에세이
양자 역학의 의미를 이해하기 - Scientific American 블로그 네트워크
도구 제작이 인간 언어의 길을 열었나요? - 대서양
에드워드 위튼(Edward Witten), 현실의 본질에 대해 고민하다 | 콴타 매거진
데이터 과학의 게이트키핑과 엘리트주의
외계인은 기후 변화를 어떻게 해결합니까? - 대서양
LHC의 새로운 물리학 누락에 대한 걱정을 멈추는 법을 배운 방법
정보가 어떻게 재창조되었는지 – 한계 – 중간
소셜 미디어가 지식을 위협하는 방법 | 열광한
이 작은 도시에서 AI 발전은 비용이 많이 들 수 있습니다 - MIT Technology Review
Alexa를 인간처럼 채팅하게 만들기 위한 Amazon의 350만 달러 경쟁 - The Verge
개인 데이터를 공공재로 만들자 - MIT Technology Review
촘스키와 통계 학습의 두 문화
양자 컴퓨팅의 양자 도약? - 사이언티픽 아메리칸
전략 대 전술: 차이점은 무엇이며 왜 중요한가요?
실존적 재앙의 위협을 피하기 위해 더 똑똑한 인간-사이보그 인구를 유전적으로 조작하는 사례입니다.
중서부 공립 대학의 취약한 상태 - The Atlantic
양자 열역학 혁명 | 콴타 매거진
책을 읽는 방식이 당신의 지능에 대해 많은 것을 말해줍니다. 그 이유는 다음과 같습니다.
진정한 지능형 기계를 구축하려면 원인과 결과를 가르쳐야 합니다 | 콴타 매거진
미국 대중교통이 왜 그렇게 나쁜가요? 긴 이야기입니다. - 시티랩
유발 노아 하라리, 2050년에 인류를 위해 어떤 일이 일어날 것인가 | 유선 영국
유발 노아 하라리(Yuval Noah Harari), 기술이 폭정을 선호하는 이유 - The Atlantic
유발 노아 하라리: '공짜 정보라는 생각은 매우 위험하다' | 문화 | 가디언
이상함을 넘어서: 결맞음, 양자적 이상함, 슈뢰딩거의 고양이 - The Atlantic
인생은 시공간을 묶은 끈이다 – Time – Medium
정신 모델: 새로운 방식으로 생각하도록 두뇌를 훈련하는 방법 - James Clear - Pocket
경쟁하지 마십시오. 만들다! - Darius Foroux - 포켓
Tesla는 Gigafactory에서 살고 죽을 것입니다 - The Verge
그래서 당신은 연구 과학자가 되고 싶습니다 – Vincent Vanhoucke – Medium
국토 안보부는 소프트웨어가 잠재적인 테러리스트를 표시하도록 할 것입니다
세계 질서가 끝나면 무슨 일이 일어날까요?
Kevin Slavin: 알고리즘이 세상을 어떻게 형성하는가 | TED 토크
뇌의 자동 조종 장치가 의식을 조종합니다 - Scientific American
지능이란 무엇입니까? – 데이터 과학을 향하여
더 똑똑해지기 위해 자신을 훈련해야 하는 정확한 방법 - Michael Simmons - Pocket
"아이젠하워 박스"를 사용하여 생산성을 높이고 시간 낭비 활동을 제거하는 방법 - James Clear - Pocket
과학의 맹점은 생생한 경험을 무시하는 것입니다 | 이온 에세이
처음부터 Julia와 함께 데이터 과학을 배우기 위한 완벽한 튜토리얼
ML 실험 추적: 정의, 중요한 이유 및 구현 방법
공정성과 편견에 대한 기계 학습 모델 평가
Flask를 사용하여 데이터 과학 API 만들기
온라인 기계 학습 배포를 위한 Flask 및 Heroku
기계 학습(ML) 모델을 프로덕션에 배치하는 다양한 접근 방식 개요
[가이드] React, NodeJS, MySQL을 사용하여 데이터 과학 웹 애플리케이션 구축
Python을 사용하여 기계 학습 모델을 훈련하고 배포하기 위한 초보자 가이드
프로덕션에서 기계 학습 모델을 확장하기 위한 가이드
Flask를 사용한 Keras 딥 러닝 모델 배포 - 데이터 과학을 향하여
대규모 기계 학습 배포 - Algorithmia Blog
기계 학습 배포가 그 어느 때보다 쉬워졌습니다 – 데이터 과학을 향하여
Quora - 머신러닝 모델을 프로덕션에 어떻게 적용하나요?
Flask를 사용하여 프로덕션에서 API로 기계 학습 모델을 배포하는 튜토리얼
빅 데이터에서 마이크로 서비스까지: AWS 람다를 통해 Spark 훈련 모델을 제공하는 방법
머신러닝 프로젝트를 제공하는 방법 – Insight Data
P에서 Keras 딥러닝 모델을 웹 애플리케이션으로 배포하기
Python의 유전 알고리즘 구현 – 데이터 과학을 향하여
유전 알고리즘을 이용한 최적화 소개
Python을 이용한 차등 진화에 대한 튜토리얼 · Pablo R. Mier
순차 모델 가이드 - Keras 문서
케라스 문서
Keras를 통한 딥 러닝을 위해 단어 임베딩 레이어를 사용하는 방법 - 머신 러닝 숙달
Brandon Rohrer - 순환 신경망(RNN) 및 장단기 기억(LSTM)
CS231n 강의 10 - 순환 신경망, 이미지 캡션, LSTM - YouTube
딥러닝 적용의 기본 사항(Andrew Ng) - YouTube
Siraj Raval - LSTM Networks - 지능의 수학(8주차) - YouTube
Siraj Raval - 순환 신경망 - 지능의 수학(5주차) - YouTube
Andrew Ng: 인공지능은 새로운 전기입니다 - YouTube
순환 네트워크 및 LSTM에 대한 초보자 가이드 - Deeplearning4j: JVM을 위한 오픈 소스, 분산 딥 러닝
신경망 놀이터
진화 전략에 대한 시각적 가이드
Andrej Carpathy 블로그 - 신경망에 대한 해커 가이드
딥 러닝의 기본 사항을 이해하는 데 도움이 되는 최고의(그리고 무료!!) 리소스
그런데 신경망이란 무엇 입니까 ? | 딥러닝, 1장
AI, 신경망, 기계 학습, 딥 러닝 및 빅 데이터에 대한 치트 시트
Java의 컨벌루션 네트워크 - Deeplearning4j: JVM을 위한 오픈 소스, 분산 딥 러닝
시각적 인식을 위한 CS231n 컨벌루션 신경망
딥 네트워크 뒤의 수학 심층 분석 - 데이터 과학을 향하여
딥 러닝 기초 - 인지 수업
LSTM 탐색
기능 시각화
J Alammar – 터치 가능한 픽셀과 지능형 안드로이드를 통한 탐색
역전파 없는 학습: 직관과 아이디어(1부) – Tom Breloff
딥러닝(AI)의 정보이론 개념을 알아야 합니다.
신경망과 딥러닝
Neural Style Transfer: tf.keras 및 즉시 실행을 사용하여 딥 러닝으로 예술 작품 만들기
순환 신경망의 비합리적인 효율성
Hinton의 캡슐 네트워크 이해 1부: 직관.
LSTM 네트워크 이해 - colah의 블로그
13줄의 Python으로 구성된 신경망(2부 - 경사하강법) - 나는 trask입니다
인공 신경망은 어떻게 학습합니까? – 데이터 과학을 향하여
신경망 동물원 - Asimov Institute
딥러닝의 역사 | Import.io
딥러닝 기반 이미지 분류기를 이해하기 위한 최고의 NanoBook
NLP 문제의 90%를 해결하는 방법: 단계별 가이드
코딩 및 영문학: Python의 자연어 처리
TextBlob: 단순화된 텍스트 처리 — TextBlob 0.15.1 문서
Python 정규식 튜토리얼(문서) - DataCamp
스탠포드 NLP
강화 학습 과정 - 전체 기계 학습 튜토리얼
강화 학습에 대한 간략한 소개 – freeCodeCamp.org
강화 학습 소개 - freeCodeCamp.org
Deep RL의 주요 논문 — Spinning Up 문서
강화 학습의 기본 사항: 동적 프로그래밍을 사용한 모델 기반 계획
강화 학습: 심층 분석 | 톱탈
1부: RL의 주요 개념 — Spinning Up 문서
강화 학습 분석 -Part.1
OpenAI Gym을 사용하여 Python에서 처음부터 강화 Q-학습 – LearnDataSci
Google AI 블로그: 강화 학습의 호기심과 미루기
강화 학습: OpenAI Gym을 사용한 Monte Carlo 학습
tf.estimator를 사용하여 입력 함수 구축 | 텐서플로우
TensorFlow 시작하기 | 텐서플로우
Windows에 TensorFlow 설치 | 텐서플로우
텐서플로우
TensorFlow 선형 모델 튜토리얼 | 텐서플로우
TensorFlow 와이드 & 딥 학습 튜토리얼 | 텐서플로우
GPU가 있는 Windows에서 TensorFlow 사용 | 히튼 연구
설치 가이드 Windows :: CUDA 툴킷 문서
Python으로 머신러닝을 마스터하는 7단계
머신러닝에 대한 시각적 소개
거의 모든 머신러닝 문제에 접근 | 아비셰크 타쿠르 | 공짜 예감은 없다
Python의 자동화된 기계 학습 하이퍼파라미터 조정
버클리 AI 재료
코더를 위한 딥 러닝 fast.ai
기계 학습 알고리즘의 필수 요소(Python 및 R 코드 포함)
GOOGLE - 기계 학습의 규칙: | 기계 학습 규칙 | 구글 개발자
http://www.r2d3.us/visual-intro-to-machine-learning-part-2/
ISLR 수업 동영상
강의집 | 기계 학습 - 스탠포드 과정
기계 학습 Zero-to-Hero: Kaggle에서 처음으로 경쟁하는 데 필요한 모든 것…
Microsoft Azure ML 치트 시트
공개 머신러닝 과정(베타) • mlcourse.ai
Pedro Domigos 머신러닝 강의
Python의 기계 학습을 위한 히치하이커를 위한 가이드
Github의 상위 10개 머신러닝 프로젝트
UCI 머신러닝 저장소
강화 학습을 통한 최적화 학습 - 버클리 인공 지능 연구 블로그
안녕하세요 캐글입니다! - Kaggle을 처음 접하는 사람을 위한 Kaggle 가이드
Python에 관한 모든 것 — 초급부터 고급까지
Jupyter의 대화형 스프레드시트
데이터 과학자를 위한 PyCharm
내장된 마법 명령 — IPython 6.2.1 문서
콘크리트 통계 Jupyter Notebook Peter Norvig
경제 시뮬레이션 Jupyter Notebook Peter Norvig
마크다운 치트시트
Interact 사용 — Jupyter Widgets 7.0.3 문서
Pixie - Jupyter 노트북용 시각적 Python 디버거
색상 예제 코드: colormaps_reference.py — Matplotlib 2.0.2 문서
ggplot | 집
맷플롯립 1.5.1
Matplotlib 플로팅 명령 요약 —
Matplotlib 튜토리얼
Seaborn 튜토리얼 — seaborn 0.7.1 문서
Github/jmportilla/Complete-Python-Bootcamp: 강의
Jupyter Notebook - Udemy 전체 Python 부트캠프 과정
데이터 과학 및 기계 학습을 위한 Python 부트캠프 | 유데미
계산과학과 공학 I | 수학 | MIT 오픈코스웨어
기계 학습의 기초(Bloomberg의 강좌)
선형 대수학(numpy.linalg) — NumPy v1.12 매뉴얼
NumPy v1.12 범용 함수
NumPy v1.13.dev0 매뉴얼
무작위 샘플링(numpy.random) — NumPy v1.13 매뉴얼
SciPy — SciPy v0.19.0 참조 가이드
Python에서 Numpy로
numpy-100/100 마스터에서 힌트.md를 사용한 Numpy 연습 · rougier/numpy-100
팬더 0.20.3 문서
Pandas: Python 데이터 분석 라이브러리
홈 | 문서 읽기
PyPi에 자신만의 Python 패키지를 게시하는 방법 – freeCodeCamp
R 및 Python 라이브러리 생성에 대한 단계별 가이드(JupyterLab)
PyPI에 패키지를 제출하는 방법 — Peter Downs
프로젝트 패키징 및 배포 — Python 패키징 사용자 안내서
reStructuredText 입문서 — Sphinx 1.8.0+ 문서
TestPyPI 사용 — Python 패키징 사용자 안내서
Python 라이브러리를 오픈소스로 만드는 방법 | 오픈소스.com
Amazon Web Services(AWS) - 클라우드 컴퓨팅 서비스
PuTTY를 사용하여 Windows에서 Linux 인스턴스에 연결 - Amazon Elastic Compute Cloud
Windows에 Spark 설치(PySpark) – Michael Galarnyk – Medium
성공을 위해 Python 프로젝트를 설정하는 10단계
itertools — 효율적인 루핑을 위한 반복자를 생성하는 함수 — Python 3.6.3 문서
ElementTree를 사용하여 Python에서 XML 처리 - Eli Bendersky의 웹사이트
BeautifulSoup을 사용하여 HTML을 구문 분석하고 언론 브리핑 URL을 추출 | 컴퓨터 저널리즘, 2016년 봄
28가지 Jupyter Notebook 팁, 요령, 단축키
멋진 Python 프레임워크, 라이브러리, 소프트웨어 및 리소스의 엄선된 목록
보관된 문제 - 프로젝트 오일러
올바른 추정기 선택 — scikit-learn 0.18.1 문서
코드조각가
코드조각가
Windows에 Anaconda용 XGBoost 설치(IT에서 가장 중요한 비밀은 최적화입니다)
팬더 0.20.3 - API 참조
팬더 0.20.3 요리책
PostgreSQL + 파이썬 | 사이코패스
문제 - CodeAbbey
프로젝트 주피터 | 집
PY4E - 모두를 위한 Python
Python 2.7.13 문서
파이썬이 우주를 정복하다 | Python 프로그래밍 언어로 시공간을 넘나드는 모험
처음부터 Python 플라스크 - YouTube
Python 트릭 101 – 해커 정오
Python 튜토리얼 - TutorialsPoint
데이터 과학자를 위한 정규 표현식
단순 선형 회귀 분석 - ReliaWiki
소개 — Python 101 1.0 문서
Python 코드 문서화: 전체 가이드 – 실제 Python
MIT AI: Python(Guido van Rossum) - YouTube
Python IDE 및 코드 편집기(가이드) – 실제 Python
고급 Python 웹 스크래핑 요령 및 팁
R을 사용한 신경망 초보자 가이드
초보자를 위한 R 데이터 시각화 종합 가이드
R 통계학 입문 | R 튜토리얼
dplyr을 사용한 데이터 조작 | R-블로거
R을 활용한 데이터 과학 및 머신러닝 부트캠프 | 유데미
R 탐색 | 라이브러리, 소스 코드, 최고 저자, 인기 토론을 찾아보세요 | 칸디
ggplot2-cheatsheet.pdf
Machine Learning AZ™: 실습 데이터 세트 다운로드 - SuperDataScience - 빅 데이터 | 분석 채용 | 멘토 | 성공
Quick-R: 홈 페이지
R 메일링 리스트 아카이브
R 튜토리얼 시리즈 - 통계 테스트 | 사라냐 아난드 | 펄스 | 링크드인
R: Rpart 맞춤에 대한 제어
R: 재귀적 분할 및 회귀 트리
약식재판.pdf
테마 • ggplot2
