Machine_Learning_Tutorials

머신 러닝 튜토리얼 및 기사

이 저장소에서는 개인 블로그에서 코드, 노트북 및 기사를 업로드하고 있습니다 : https://maelfabien.github.io/. 당신이 내 일을 즐기면 주저하지 마십시오! 새로운 기사가 ​​매주 게시되고 있습니다!

나는 최근에 주제, 흥미로운 Github 리포지토리, 프로젝트, 논문 등에 대해 쓴 멋진 기사를 수집하는 뉴스 레터를 시작했습니다! 한 달에 2 개의 이메일을 2 번으로 보내려고합니다. 루프에 머물고 싶다면 여기를 클릭하십시오 : http://eepurl.com/gyyzi5

새로운 : 저는 동기 부여 된 데이터 과학자들이 높은 환경 영향 알고리즘을 구축하는 데 도움이되는 동기 부여 된 데이터 과학자를 찾고 있습니다 (CV는 본질적으로). 관심이 있으시면 저에게 연락하십시오 (내 웹 사이트, 연락처 섹션)

콘텐츠 테이블 :

• 치트 시트
• 최신 기사
• 기계 학습
• 딥 러닝
• 데이터 엔지니어링
• 다른 블로그를 위해 작성되었습니다
• 중간 기사

우선, Machine Learrning의 주요 개념에 익숙하지 않은 경우 첫 번째 기사를 확인하십시오. https://maelfabien.github.io/machinelearning/ml_base/

저장소는 다음과 같은 방법으로 구성됩니다.

• 기사 및 튜토리얼은 카테고리별로 게시됩니다
• 문제의 기사에 대한 링크가 지정된 읽기 시간이 있습니다.
• 각 기사의 코드 폴더에 대한 링크입니다.

나와 함께 기사를 작성하고 싶습니까? 아니면 내가 특정 주제를 다루기를 원하십니까? 자유롭게 연락하십시오! ([email protected])

머신 러닝 치트 시트 :

현재이 치트 시트는 수동으로 작성됩니다. 나중에 수학에서 다이빙하고 각 알고리즘을 명확하게 설명하는 시각적 콘텐츠를 만들고 싶습니다.

1. 감독 학습

2. 감독되지 않은 학습

프로젝트

나는 일련의 프로젝트를 만들었습니다. 모두 내 블로그에서 사용할 수 있습니다 : https://maelfabien.github.io/portfolio/#

최신 기사

SP- 음성 성 감지 웹 응용 프로그램 : MFCC, GMM 및 제공된 데이터 세트를 사용하여 관련 기능을 추출하고 음성 검출 응용 프로그램을 구축하는 방법.

SP- 사운드 시각화 (3/3) : 스펙트로 그램, 크로그램, 템포 그램, 스펙트럼 전력 밀도 등으로 ...

SP- 사운드 기능 추출 (2/3) : 추출 할 다양한 사운드 기능의 파이썬 구현이 포함 된 개요.

SP- 파이썬의 음성 처리 소개 (1/3) : 개념, 코드 및 예제가있는 "Python을 사용한 음성 컴퓨팅"책의 요약.

SP- 음성 활동 감지 웹 응용 프로그램 구축 : 음성 감지를 사용하여 음성 어시스턴트 또는 비상 사례에서 시작할 수 있습니다. 간단한 방법을 사용하여 구현하는 방법은 다음과 같습니다.

CV- 객체 감지 용 YOLOV3 구현 : 이미지와 비디오의 객체를 구현하고 객체를 감지하는 방법을 알아보십시오.

NLP- Allennlp와의 쉬운 질문 : 핵심 개념을 이해하고 간단한 질문 답변의 예를 만듭니다.

NLP- NLP의 데이터 확대 : "Easy Data Augmentation"논문의 구현에 대한 세부 사항.

NLP- 이름의 성별을 예측하는 문자 수준 LSTM : 프랑스와 미국 이름의 성별 예측에 대한 90% 정확도.

NLP- 소수의 샷 텍스트 분류 : 소수의 샷 텍스트 분류를 위해 미리 훈련 된 모델을 활용하는 간단한 용지 구현.

NLP- 개선 된 몇 가지 샷 텍스트 분류 : 데이터 확대 및보다 복잡한 모델로 이전 결과를 개선합니다.

RL- 강화 학습 소개 : 강화 학습의 기본 빌딩 블록 소개.

RL -Markov 의사 결정 프로세스 : Markov 의사 결정 프로세스 및 Bellman 방정식의 개요.

RL- 동적 프로그래밍에 의한 계획 : 정책 및 가치 반복을 포함한 동적 프로그래밍 소개.

NLP- 나는 나처럼 말하도록 신경망을 훈련시켰다.

DL- 신경망은 어떻게 배우나요? : 피드 포워드 프로세스와 역전 준비로 뛰어 들었습니다.

더보십시오

기사 제목	시간을 읽으십시오	기사	코드 폴더
선형 회귀 모델 (1/2)	14MN	여기	여기
선형 회귀 모델 (3/2)	10MN	여기	여기
통계 가설 테스트의 기초	5MN	여기	---
로지스틱 회귀	4MN	여기	여기
Matlab의 통계	4MN	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
기계 학습의 기본	4MN	여기	---
베이 에스 분류기	1MN	여기	---
선형 판별 분석	3MN	여기	---
Adaboost 및 Boosting	7MN	여기	여기
그라디언트 부스팅 회귀	6MN	여기	여기
그라디언트 부스팅 분류	3MN	여기	---
SVM 용 대규모 커널 방법	9MN	여기	여기
이상 탐지	3MN	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
시계열 소개	4MN	여기	여기
시계열의 주요 개념	4MN	여기	여기

기사 제목	시간을 읽으십시오	기사	코드 폴더
마르코프 체인	9MN	여기	여기
숨겨진 마르코프 모델	6MN	여기	---
언어 인식 앱을 처음부터 구축하십시오	10MN	여기	여기

기사 제목	시간을 읽으십시오	기사	코드 폴더
그래프 마이닝 소개	5MN	여기	여기
그래프 분석	4MN	여기	여기
그래프 알고리즘	11 백만	여기	여기
그래프 학습	8MN	여기	여기
그래프 임베딩	4MN	여기	여기

기사 제목	시간을 읽으십시오	기사	코드 폴더
GridSearch vs. 무작위 검색	2MN	여기	---
H2O와 함께 자동	6MN	여기	---
베이지안 초 파라미터 최적화	7MN	여기	여기
기계 학습 설명	12MN	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
데이터 소개 viz	12MN	여기	---
시각적 추천 시스템	4MN	여기	---
Altair와 Python의 대화식 그래프	5MN	여기	여기
BQ 플롯을 사용한 동적 플롯	---	---	여기
Altair가있는 대화식 도구	---	여기	---
d3.js를 가진 대화식 도구	---	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
온라인 학습 소개	5MN	여기	---
선형 분류	1MN	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
Rosenbaltt의 Perceptron	8MN	여기	여기
다층 퍼셉트론 (MLP)	5MN	여기	여기
신경망의 과적에 적합성을 방지합니다	6MN	여기	---
신경망에 대한 전체 소개	6MN	여기	---
컨볼 루션 신경 네트워크	6MN	여기	---
신경망은 어떻게 배우나요?	3MN	여기	---
DL의 활성화 기능	3MN	여기	여기

기사 제목	시간을 읽으십시오	기사	코드 폴더
Keras의 Inception Architecture	2MN	여기	여기
Keras 기능 API를 사용하여 자동 코더를 구축하십시오	5MN	여기	---
Xception 아키텍처	5MN	여기	여기
MNIST 데이터 세트의 Gans	---	---	여기

기사 제목	시간을 읽으십시오	기사	코드 폴더
감정 인식 웹 앱을 처음부터 구축하십시오	8MN	여기	여기
얼굴, 입 및 눈에 대한 전체 가이드 실시간 탐지	16MN	여기	여기
MacOS에서 OpenPose를 사용하는 방법?	3MN	여기	---
컴퓨터 비전 소개	1MN	여기	---
이미지 필터링 및 이미지 그라디언트	5MN	여기	여기
고급 필터링 및 이미지 변환	5MN	여기	---
Image Features, Panorama, Matching	5mn	여기	---
Implementing YoloV3 for Object Detection	3mn	여기	---

Article Title	Read Time	기사	Code Folder
Introduction to NLP	1mn	여기	---
텍스트 사전 처리	8MN	여기	---
활과 TF-IDF로 텍스트를 포함시킵니다	5MN	여기	---
Word2Vec으로 텍스트 임베딩	6MN	여기	---
나는 나처럼 말하도록 신경망을 훈련시켰다	8MN	여기	여기
나는 나처럼 말하도록 신경망을 훈련시켰다	8MN	여기	여기
샷 텍스트 분류는 거의 없습니다	10MN	여기	여기
몇 가지 샷 텍스트 분류가 향상되었습니다	9MN	여기	여기
이름의 성별 예측	7MN	여기	여기
NLP의 데이터 확대	3MN	여기	---
Allennlp와의 쉬운 질문	4MN	여기	---

기사 제목	시간을 읽으십시오	기사	코드 폴더
강화 학습 소개	6MN	여기	---
마르코프 결정 과정	7MN	여기	---
동적 프로그래밍을 통한 계획	4MN	여기	---

Two general articles :

1. 컴퓨터 구성 요소 이해 (6MN 읽기) https://maelfabien.github.io/bigdata/comp_components/

2. 유용한 배쉬 명령 (1MN 읽기) https://maelfabien.github.io/bigdata/terminal/

3. 코드 제작 준비 (1MN 읽기) https://maelfabien.github.io/bigdata/code/

기사 제목	시간을 읽으십시오	기사
Hadoop 소개	4MN	여기
Mapreduce	3MN	여기
HDFS	2MN	여기
가상 상자의 VM	1MN	여기
Hortonworks 샌드 박스가있는 Hadoop	2MN	여기
파일을 HDF로로드하고 이동하십시오	2MN	여기
MapReduce 작업을 시작하십시오	2MN	여기
파이썬의 MapReduce 작업	3MN	여기
현지에서 파이썬으로 Mapreduce 작업	1MN	여기

기사 제목	시간을 읽으십시오	기사
스파크 소개	6MN	여기
Spark-Scala 및 Pyspark를 설치하십시오	1MN	여기
Spark-Scala를 발견하십시오	2MN	여기

기사 제목	시간을 읽으십시오	기사
처음부터 SQL이없는 프로젝트	8MN	여기
큰 (오픈) 데이터, GDELT 프로젝트	2MN	여기
Zeppelin을 로컬로 설치하십시오	1MN	여기
AWS EMR에서 Zeppelin을 실행하십시오	4MN	여기
S3 버킷으로 작업하십시오	1MN	여기
AWS EC2 인스턴스를 시작하고 액세스하십시오	2MN	여기
EC2 클러스터에 Apache Cassandra를 설치하십시오	2MN	여기
EC2 인스턴스에 사육사를 설치하십시오	3MN	여기
스칼라로 ETL을 구축하십시오	3MN	여기
스칼라 데이터 프레임을 Cassandra로 옮깁니다	2MN	여기
스칼라 데이터 프레임을 Cassandra로 옮깁니다	2MN	여기

기사 제목	시간을 읽으십시오	기사
AWS 클라우드 개념	2mn	여기
AWS 핵심 서비스	1MN	여기

기사 제목	시간을 읽으십시오	기사
Colab에 대한 TPU 생존 가이드	8MN	여기
Google Cloud 및 Colab에 파일을 저장하십시오	1MN	여기
Colab에 대한 TPU 생존 가이드	8MN	여기
GCP 소개 (1 주차 모듈 1)	6MN	여기
실험실 - 인스턴스 VM + 클라우드 스토리지	3MN	여기
실험실 - BigQuery 공개 데이터 세트	1MN	여기
추천 시스템 소개 (1 주차 모듈 2)	4MN	여기
클라우드 DatapRoc에서 스파크 작업 실행 (1 주차 모듈 2)	2MN	여기
실험실 - 클라우드 SQL 및 Sparkml을 사용하여 제품을 권장합니다	6MN	여기
BigQuery ML로 SQL에서 ML 모델 실행 (1 주차 모듈 3)	6MN	여기

기사 제목	시간을 읽으십시오	기사
ElasticStack 소개	1MN	여기
Elasticsearch와 Kibana를 시작합니다	7MN	여기
키바나를 현지에서 설치하고 실행하십시오	1MN	여기
Elasticsearch에서 DevTools와 협력합니다	9MN	여기
Elasticsearch에서 DevTools와 협력합니다	9MN	여기

기사 제목	시간을 읽으십시오	기사
그래프 데이터베이스 소개	1MN	여기
Neo4J Graphtour에서의 하루	7MN	여기

다른 블로그를 위해 작성되었습니다

1. 화가는 누구입니까? - Explorium.ai의 경우 : 데이터 강화 및 기능 엔지니어링이 모델을 향상시킬 수있는 방법에 대한 그림.

2. 기계 학습 해석 및 설명 (1/2) - Explorium.ai의 경우 : 코드 및 예제가있는 해석 가능한 모델 소개.

3. 기계 학습 해석 및 설명 (2/2) - Explorium.ai의 경우 : 코드 및 예제를 사용한 기계 학습의 설명에 대한 소개.

4. 얼굴 감지 안내서 -DigitalMinds.io : 다른 기술에 대한 개요는 파이썬 (코드 포함)의 얼굴 감지에 직면합니다.

5. Modéliser des 배포판 Avec Python (French) - STAT4DECISION 용 : Strimlit을 사용한 배포 웹 애플리케이션.

6. 소개 au traitement automatique de language naturel (tal) (프랑스어) - stat4decision 용.

중간 기사

1. 부스팅과 Adaboost는 명확하게 설명했습니다. https://towardsdatascience.com/boosting-and-adaboost-clearly-explained-856e21152d3e

2. 파이썬에서 얼굴 탐지 안내서 : https://towardsdatascience.com/a-guide-to-face-detection-in-python-3eab0f6b9fc1

3. Markov 체인 및 HMMS : https://towardsdatascience.com/markov-chains-and-hmms-ceaf2c854788

4. 그래프 소개 (1 부) : https://towardsdatascience.com/introduction-to-graphs-part-1-2de6cda8c5a5

5. 그래프 알고리즘 (2 부) : https://towardsdatascience.com/graph-algorithms-part-2-dce0b2734a1d

6. Graph Algorithms (Part 3): https://towardsdatascience.com/learning-in-graphs-with-python-part-3-8d5513eef62d

7. 나는 신경 네트워크를 나처럼 말하도록 훈련시켰다 : https://towardsdatascience.com/i-trained-a-network-to-speak-like-me-9552c16e2396

계속 지켜봐주십시오 :)