data science ipython notebooks

ข้อมูลวิทยาศาสตร์-ipython-โน๊ตบุ๊ค

ดัชนี

• การเรียนรู้เชิงลึก
  • เทนเซอร์โฟลว์
  • ธีอาโน
  • เครา
  • คาเฟอีน
• scikit-เรียนรู้
• สถิติอนุมานวิทยาศาสตร์
• หมีแพนด้า
• matplotlib
• มากมาย
• หลามข้อมูล
• การวิเคราะห์ kaggle และธุรกิจ
• จุดประกาย
• mapreduce-หลาม
• บริการเว็บอเมซอน
• บรรทัดคำสั่ง
• เบ็ดเตล็ด
• การติดตั้งโน้ตบุ๊ก
• เครดิต
• มีส่วนร่วม
• ข้อมูลการติดต่อ
• ใบอนุญาต

การเรียนรู้เชิงลึก

IPython Notebook สาธิตฟังก์ชันการเรียนรู้เชิงลึก

บทช่วยสอนเทนเซอร์ไหล

บทช่วยสอน TensorFlow เพิ่มเติม:

• pkmital/tensorflow_tutorials
• nlintz/TensorFlow-บทช่วยสอน
• alrojo/tensorflow-กวดวิชา
• BinRoot/TensorFlow-Book
• tuanavu/tensorflow-พื้นฐาน-บทช่วยสอน

โน๊ตบุ๊ค	คำอธิบาย
พื้นฐาน tsf	เรียนรู้การทำงานขั้นพื้นฐานใน TensorFlow ซึ่งเป็นไลบรารีสำหรับงานการรับรู้และความเข้าใจภาษาประเภทต่างๆ จาก Google
tsf-เชิงเส้น	ใช้การถดถอยเชิงเส้นใน TensorFlow
tsf-โลจิสติก	ใช้การถดถอยโลจิสติกใน TensorFlow
tsf-nn	ใช้งานเพื่อนบ้านที่ใกล้ที่สุดใน TensorFlow
ทีเอสเอฟ-อเล็กซ์	ติดตั้ง AlexNet ใน TensorFlow
tsf-cnn	ใช้โครงข่ายประสาทเทียมแบบหมุนวนใน TensorFlow
ทีเอสเอฟ-มลพี	ใช้ Perceptron หลายชั้นใน TensorFlow
tsf-rnn	ใช้โครงข่ายประสาทที่เกิดซ้ำใน TensorFlow
tsf-gpu	เรียนรู้เกี่ยวกับการคำนวณ multi-GPU พื้นฐานใน TensorFlow
tsf-gviz	เรียนรู้เกี่ยวกับการแสดงภาพกราฟใน TensorFlow
ทีเอสเอฟ-ลิซ	เรียนรู้เกี่ยวกับการแสดงภาพการสูญเสียใน TensorFlow

แบบฝึกหัดเทนเซอร์โฟลว์

โน๊ตบุ๊ค	คำอธิบาย
tsf-ไม่ใช่-mnist	เรียนรู้การดูแลจัดการข้อมูลแบบง่ายๆ โดยการสร้าง Pickle ด้วยชุดข้อมูลที่จัดรูปแบบสำหรับการฝึกอบรม การพัฒนา และการทดสอบใน TensorFlow
เชื่อมต่อ tsf อย่างสมบูรณ์	ฝึกฝนแบบจำลองเชิงลึกและแม่นยำยิ่งขึ้นอย่างต่อเนื่องโดยใช้ Logistic Regression และโครงข่ายประสาทเทียมใน TensorFlow
tsf-การทำให้เป็นมาตรฐาน	สำรวจเทคนิคการทำให้เป็นมาตรฐานโดยการฝึกเครือข่ายที่เชื่อมต่อโดยสมบูรณ์เพื่อจัดประเภทอักขระที่ไม่ใช่ MNIST ใน TensorFlow
tsf-การโน้มน้าวใจ	สร้างโครงข่ายประสาทเทียมแบบหมุนวนใน TensorFlow
tsf-word2vec	ฝึกโมเดลข้ามแกรมบนข้อมูล Text8 ใน TensorFlow
tsf-lstm	ฝึกโมเดลอักขระ LSTM บนข้อมูล Text8 ใน TensorFlow

theano-บทช่วยสอน

โน๊ตบุ๊ค	คำอธิบาย
theano-intro	ข้อมูลเบื้องต้นเกี่ยวกับ Theano ซึ่งช่วยให้คุณสามารถกำหนด ปรับให้เหมาะสม และประเมินนิพจน์ทางคณิตศาสตร์ที่เกี่ยวข้องกับอาร์เรย์หลายมิติได้อย่างมีประสิทธิภาพ สามารถใช้ GPU และดำเนินการสร้างความแตกต่างเชิงสัญลักษณ์ได้อย่างมีประสิทธิภาพ
theano-สแกน	เรียนรู้การสแกน ซึ่งเป็นกลไกในการวนซ้ำในกราฟ Theano
theano-โลจิสติก	ใช้การถดถอยโลจิสติกใน Theano
ธีอาโน-rnn	ใช้โครงข่ายประสาทเทียมที่เกิดซ้ำใน Theano
ธีอาโน-MLP	ใช้ Perceptron หลายชั้นใน Theano

keras-บทช่วยสอน

โน๊ตบุ๊ค	คำอธิบาย
เครา	Keras เป็นไลบรารีเครือข่ายประสาทแบบโอเพ่นซอร์สที่เขียนด้วย Python สามารถทำงานบน Tensorflow หรือ Theano ได้
การตั้งค่า	เรียนรู้เกี่ยวกับเป้าหมายการฝึกสอนและวิธีการตั้งค่าสภาพแวดล้อม Keras ของคุณ
อินโทร-การเรียนรู้เชิงลึก-ann	รับข้อมูลเบื้องต้นเกี่ยวกับการเรียนรู้เชิงลึกด้วย Keras และโครงข่ายประสาทเทียม (ANN)
ธีอาโน	เรียนรู้เกี่ยวกับ Theano โดยการทำงานกับเมทริกซ์น้ำหนักและการไล่ระดับสี
เกราส-อ็อตโต	เรียนรู้เกี่ยวกับ Keras โดยดูที่การท้าทาย Kaggle Otto
แอน-มินนิสต์	ตรวจสอบการใช้งาน ANN สำหรับ MNIST อย่างง่ายโดยใช้ Keras
Conv-nets	เรียนรู้เกี่ยวกับ Convolutional Neural Networks (CNN) กับ Keras
Conv-สุทธิ-1	จดจำตัวเลขที่เขียนด้วยลายมือจาก MNIST โดยใช้ Keras - ตอนที่ 1
Conv-สุทธิ-2	จดจำตัวเลขที่เขียนด้วยลายมือจาก MNIST โดยใช้ Keras - ตอนที่ 2
keras-รุ่น	ใช้โมเดลที่ได้รับการฝึกอบรมล่วงหน้า เช่น VGG16, VGG19, ResNet50 และ Inception v3 กับ Keras
ตัวเข้ารหัสอัตโนมัติ	เรียนรู้เกี่ยวกับตัวเข้ารหัสอัตโนมัติด้วย Keras
rnn-lstm	เรียนรู้เกี่ยวกับ Recurrent Neural Networks (RNN) กับ Keras
lstm-ประโยค-gen	เรียนรู้เกี่ยวกับ RNN ที่ใช้เครือข่าย Long Short Term Memory (LSTM) กับ Keras

การเรียนรู้เชิงลึกเบ็ดเตล็ด

โน๊ตบุ๊ค	คำอธิบาย
ฝันลึก	โปรแกรมคอมพิวเตอร์วิทัศน์ที่ใช้ Caffe ซึ่งใช้เครือข่ายประสาทเทียมเพื่อค้นหาและปรับปรุงรูปแบบในภาพ

scikit-เรียนรู้

IPython Notebook สาธิตฟังก์ชันการทำงานของ scikit-learn

โน๊ตบุ๊ค	คำอธิบาย
บทนำ	สมุดบันทึกเบื้องต้นเพื่อ scikit-learn Scikit-learn เพิ่มการรองรับ Python สำหรับอาร์เรย์และเมทริกซ์หลายมิติขนาดใหญ่ พร้อมด้วยคลังฟังก์ชันทางคณิตศาสตร์ระดับสูงขนาดใหญ่เพื่อดำเนินการกับอาร์เรย์เหล่านี้
ดี	ใช้เพื่อนบ้าน k-ที่ใกล้ที่สุดใน scikit-learn
เชิงเส้น-reg	ใช้การถดถอยเชิงเส้นใน scikit-learn
เอสวีเอ็ม	ใช้ตัวแยกประเภทเครื่องเวกเตอร์ที่รองรับทั้งแบบมีและไม่มีเคอร์เนลใน scikit-learn
สุ่มป่า	ใช้ตัวแยกประเภทฟอเรสต์แบบสุ่มและตัวถดถอยใน scikit-learn
เคมีน	ใช้การจัดกลุ่มเคมีนใน scikit-learn
พีซีเอ	ใช้การวิเคราะห์องค์ประกอบหลักใน scikit-learn
อืม	ใช้แบบจำลองผสมแบบเกาส์เซียนใน scikit-learn
การตรวจสอบ	ใช้การตรวจสอบความถูกต้องและการเลือกแบบจำลองใน scikit-learn

สถิติอนุมานวิทยาศาสตร์

สมุดบันทึก IPython สาธิตการอนุมานทางสถิติด้วยฟังก์ชัน SciPy

โน๊ตบุ๊ค	คำอธิบาย
เผ็ดร้อน	SciPy คือชุดของอัลกอริธึมทางคณิตศาสตร์และฟังก์ชันอำนวยความสะดวกที่สร้างขึ้นบนส่วนขยาย Numpy ของ Python เพิ่มพลังที่สำคัญให้กับเซสชัน Python แบบโต้ตอบโดยมอบคำสั่งระดับสูงและคลาสให้กับผู้ใช้เพื่อจัดการและแสดงข้อมูลเป็นภาพ
เอฟเฟกต์ขนาด	สำรวจสถิติที่ระบุปริมาณขนาดเอฟเฟกต์โดยการวิเคราะห์ส่วนสูงระหว่างชายและหญิง ใช้ข้อมูลจากระบบเฝ้าระวังปัจจัยเสี่ยงด้านพฤติกรรม (BRFSS) เพื่อประมาณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของส่วนสูงสำหรับผู้หญิงและผู้ชายที่เป็นผู้ใหญ่ในสหรัฐอเมริกา
การสุ่มตัวอย่าง	สำรวจการสุ่มตัวอย่างโดยการวิเคราะห์น้ำหนักเฉลี่ยของชายและหญิงในสหรัฐอเมริกาโดยใช้ข้อมูล BRFSS
สมมติฐาน	สำรวจการทดสอบสมมติฐานโดยการวิเคราะห์ความแตกต่างของทารกแรกเกิดเมื่อเปรียบเทียบกับคนอื่นๆ

หมีแพนด้า

IPython Notebook สาธิตการทำงานของแพนด้า

โน๊ตบุ๊ค	คำอธิบาย
หมีแพนด้า	ไลบรารีซอฟต์แวร์ที่เขียนขึ้นสำหรับการจัดการและวิเคราะห์ข้อมูลใน Python เสนอโครงสร้างข้อมูลและการดำเนินการสำหรับจัดการตารางตัวเลขและอนุกรมเวลา
GitHub-ข้อมูล-ทะเลาะวิวาท	เรียนรู้วิธีโหลด ล้าง ผสาน และวิศวกรฟีเจอร์โดยการวิเคราะห์ข้อมูล GitHub จากที่เก็บ Viz
ความรู้เบื้องต้นเกี่ยวกับแพนด้า	ความรู้เบื้องต้นเกี่ยวกับหมีแพนด้า
แนะนำ-แพนด้า-วัตถุ	เรียนรู้เกี่ยวกับวัตถุของแพนด้า
การทำดัชนีและการเลือกข้อมูล	เรียนรู้เกี่ยวกับการจัดทำดัชนีและการเลือกข้อมูลใน Pandas
ปฏิบัติการในแพนด้า	เรียนรู้เกี่ยวกับการดำเนินการกับข้อมูลใน Pandas
ค่าที่หายไป	เรียนรู้เกี่ยวกับการจัดการข้อมูลที่ขาดหายไปใน Pandas
การจัดทำดัชนีลำดับชั้น	เรียนรู้เกี่ยวกับการจัดทำดัชนีแบบลำดับชั้นใน Pandas
เชื่อมต่อและผนวก	เรียนรู้เกี่ยวกับการรวมชุดข้อมูล: เชื่อมต่อและผนวกใน Pandas
ผสานและเข้าร่วม	เรียนรู้เกี่ยวกับการรวมชุดข้อมูล: ผสานและเข้าร่วมใน Pandas
การรวมกลุ่มและการจัดกลุ่ม	เรียนรู้เกี่ยวกับการรวมกลุ่มและการจัดกลุ่มใน Pandas
Pivot-Tables	เรียนรู้เกี่ยวกับตารางเดือยใน Pandas
การทำงานกับสตริง	เรียนรู้เกี่ยวกับการดำเนินการสตริงแบบเวกเตอร์ใน Pandas
การทำงานกับอนุกรมเวลา	เรียนรู้เกี่ยวกับการทำงานกับอนุกรมเวลาในแพนด้า
ประสิทธิภาพ-การประเมิน-และ-แบบสอบถาม	เรียนรู้เกี่ยวกับ Pandas ประสิทธิภาพสูง: eval() และ query() ใน Pandas

matplotlib

IPython Notebook สาธิตการทำงานของ Matplotlib

โน๊ตบุ๊ค	คำอธิบาย
matplotlib	ไลบรารีการลงจุด Python 2D ที่สร้างตัวเลขคุณภาพสิ่งพิมพ์ในรูปแบบสำเนาเอกสารที่หลากหลายและสภาพแวดล้อมแบบโต้ตอบข้ามแพลตฟอร์ม
ใช้ matplotlib	ใช้การแสดงภาพ Matplotlib กับการแข่งขัน Kaggle เพื่อการวิเคราะห์ข้อมูลเชิงสำรวจ เรียนรู้วิธีสร้างแผนภูมิแท่ง ฮิสโตแกรม แผนย่อย 2 ตาราง แผนมาตรฐาน แผนกระจาย แผนย่อย และแผนการประมาณความหนาแน่นของเคอร์เนล
บทนำสู่ Matplotlib	ความรู้เบื้องต้นเกี่ยวกับ Matplotlib
Simple-Line-Plots	เรียนรู้เกี่ยวกับการแปลงเส้นอย่างง่ายใน Matplotlib
Simple-Scatter-Plots	เรียนรู้เกี่ยวกับแผนภูมิกระจายอย่างง่ายใน Matplotlib
Errorbars.ipynb	เรียนรู้เกี่ยวกับการแสดงภาพข้อผิดพลาดใน Matplotlib
พล็อตความหนาแน่นและรูปร่าง	เรียนรู้เกี่ยวกับแปลงความหนาแน่นและรูปร่างใน Matplotlib
ฮิสโตแกรมและ Binnings	เรียนรู้เกี่ยวกับฮิสโตแกรม การแบ่งช่อง และความหนาแน่นใน Matplotlib
การปรับแต่ง-ตำนาน	เรียนรู้เกี่ยวกับการปรับแต่งคำอธิบายพล็อตใน Matplotlib
การปรับแต่ง-แถบสี	เรียนรู้เกี่ยวกับการปรับแต่งแถบสีใน Matplotlib
หลายแผนย่อย	เรียนรู้เกี่ยวกับแผนย่อยหลายรายการใน Matplotlib
ข้อความและคำอธิบายประกอบ	เรียนรู้เกี่ยวกับข้อความและคำอธิบายประกอบใน Matplotlib
การปรับแต่ง-Ticks	เรียนรู้เกี่ยวกับการปรับแต่งเห็บใน Matplotlib
การตั้งค่าและสไตล์ชีท	เรียนรู้เกี่ยวกับการปรับแต่ง Matplotlib: การกำหนดค่าและสไตล์ชีต
การวางแผนสามมิติ	เรียนรู้เกี่ยวกับการวางแผนสามมิติใน Matplotlib
ข้อมูลทางภูมิศาสตร์พร้อมแผนที่ฐาน	เรียนรู้เกี่ยวกับข้อมูลทางภูมิศาสตร์ด้วยแผนที่ฐานใน Matplotlib
การสร้างภาพด้วย Seaborn	เรียนรู้เกี่ยวกับการแสดงภาพด้วย Seaborn

มากมาย

IPython Notebook สาธิตการทำงานของ NumPy

โน๊ตบุ๊ค	คำอธิบาย
มากมาย	เพิ่มการรองรับ Python สำหรับอาร์เรย์และเมทริกซ์หลายมิติขนาดใหญ่ พร้อมด้วยไลบรารีขนาดใหญ่ของฟังก์ชันทางคณิตศาสตร์ระดับสูงเพื่อดำเนินการกับอาร์เรย์เหล่านี้
รู้เบื้องต้นเกี่ยวกับ NumPy	ความรู้เบื้องต้นเกี่ยวกับ NumPy
ความเข้าใจ-ข้อมูล-ประเภท	เรียนรู้เกี่ยวกับประเภทข้อมูลใน Python
ข้อมูลพื้นฐานของ NumPy-Arrays	เรียนรู้เกี่ยวกับพื้นฐานของอาร์เรย์ NumPy
การคำนวณบนอาร์เรย์-ufuncs	เรียนรู้เกี่ยวกับการคำนวณบนอาร์เรย์ NumPy: ฟังก์ชันสากล
การคำนวณบนอาร์เรย์การรวม	เรียนรู้เกี่ยวกับการรวมกลุ่ม: ต่ำสุด สูงสุด และทุกสิ่งที่อยู่ระหว่างนั้นใน NumPy
การคำนวณบนอาเรย์-การออกอากาศ	เรียนรู้เกี่ยวกับการคำนวณบนอาร์เรย์: การออกอากาศใน NumPy
บูลีนอาร์เรย์และมาสก์	เรียนรู้เกี่ยวกับการเปรียบเทียบ มาสก์ และตรรกะบูลีนใน NumPy
การจัดทำดัชนีแฟนซี	เรียนรู้เกี่ยวกับการจัดทำดัชนีแฟนซีใน NumPy
การเรียงลำดับ	เรียนรู้เกี่ยวกับการเรียงลำดับอาร์เรย์ใน NumPy
โครงสร้าง-ข้อมูล-NumPy	เรียนรู้เกี่ยวกับข้อมูลที่มีโครงสร้าง: อาร์เรย์ที่มีโครงสร้างของ NumPy

หลามข้อมูล

IPython Notebook สาธิตการทำงานของ Python ที่มุ่งสู่การวิเคราะห์ข้อมูล

โน๊ตบุ๊ค	คำอธิบาย
โครงสร้างข้อมูล	เรียนรู้พื้นฐานของ Python ด้วยสิ่งอันดับ รายการ คำสั่ง และเซต
ยูทิลิตี้โครงสร้างข้อมูล	เรียนรู้การทำงานของ Python เช่น Slice, Range, Xrange, แบ่งครึ่ง, เรียงลำดับ, เรียงลำดับ, ย้อนกลับ, แจกแจง, zip, รายการความเข้าใจ
ฟังก์ชั่น	เรียนรู้เพิ่มเติมเกี่ยวกับคุณสมบัติ Python ขั้นสูงเพิ่มเติม: ฟังก์ชั่นเป็นอ็อบเจ็กต์, ฟังก์ชัน lambda, การปิด, *args, **kwargs Currying, ตัวสร้าง, นิพจน์ตัวสร้าง, itertools
วันที่และเวลา	เรียนรู้วิธีทำงานกับวันที่และเวลาของ Python: datetime, strftime, strptime, timedelta
การบันทึก	เรียนรู้เกี่ยวกับการบันทึก Python ด้วย RotaryFileHandler และ TimedRotatingFileHandler
พีดีบี	เรียนรู้วิธีดีบักใน Python ด้วยดีบักเกอร์ซอร์สโค้ดแบบโต้ตอบ
การทดสอบหน่วย	เรียนรู้วิธีการทดสอบใน Python ด้วยการทดสอบหน่วย Nose

การวิเคราะห์ kaggle และธุรกิจ

IPython Notebook ที่ใช้ในการแข่งขัน kaggle และการวิเคราะห์ธุรกิจ

โน๊ตบุ๊ค	คำอธิบาย
ไททานิค	ทำนายความอยู่รอดบนเรือไททานิค เรียนรู้การล้างข้อมูล การวิเคราะห์ข้อมูลเชิงสำรวจ และการเรียนรู้ของเครื่อง
การวิเคราะห์การปั่นป่วน	คาดการณ์การเลิกใช้งานของลูกค้า ฝึกการถดถอยโลจิสติก คลาสซิเฟอร์เสริมการไล่ระดับสี เครื่องเวกเตอร์สนับสนุน ฟอเรสต์สุ่ม และ k-เพื่อนบ้านที่ใกล้ที่สุด รวมถึงการอภิปรายเกี่ยวกับเมทริกซ์ความสับสน แผนภาพ ROC ความสำคัญของคุณลักษณะ ความน่าจะเป็นในการทำนาย และการสอบเทียบ/การอธิบาย

จุดประกาย

IPython Notebook สาธิตการทำงานของ Spark และ HDFS

โน๊ตบุ๊ค	คำอธิบาย
จุดประกาย	เฟรมเวิร์กการประมวลผลคลัสเตอร์ในหน่วยความจำ เร็วขึ้นสูงสุด 100 เท่าสำหรับบางแอปพลิเคชัน และเหมาะอย่างยิ่งสำหรับอัลกอริธึมการเรียนรู้ของเครื่อง
hdfs	จัดเก็บไฟล์ขนาดใหญ่มากข้ามเครื่องในคลัสเตอร์ขนาดใหญ่ได้อย่างน่าเชื่อถือ

mapreduce-หลาม

สมุดบันทึก IPython สาธิต Hadoop MapReduce พร้อมฟังก์ชัน mrjob

โน๊ตบุ๊ค	คำอธิบาย
mapreduce-หลาม	รันงาน MapReduce ใน Python รันงานภายในเครื่องหรือบนคลัสเตอร์ Hadoop สาธิตการสตรีม Hadoop ในโค้ด Python พร้อมด้วยการทดสอบหน่วยและไฟล์กำหนดค่า mrjob เพื่อวิเคราะห์บันทึกบัคเก็ตของ Amazon S3 บน Elastic MapReduce Disco เป็นอีกทางเลือกหนึ่งที่ใช้ภาษาหลาม

เอาล่ะ

IPython Notebook สาธิตการทำงานของ Amazon Web Services (AWS) และเครื่องมือ AWS

ตรวจสอบด้วย:

• SAWS: อินเทอร์เฟซบรรทัดคำสั่ง (CLI) ของ AWS แบบซุปเปอร์ชาร์จ
• AWS ที่ยอดเยี่ยม: รายการไลบรารีที่คัดสรรมาอย่างดี ที่เก็บโอเพ่นซอร์ส คำแนะนำ บล็อก และทรัพยากรอื่น ๆ

โน๊ตบุ๊ค	คำอธิบาย
โบโต้	AWS SDK อย่างเป็นทางการสำหรับ Python
s3cmd	โต้ตอบกับ S3 ผ่านทางบรรทัดคำสั่ง
s3distcp	รวมไฟล์ที่มีขนาดเล็กลงและรวมเข้าด้วยกันโดยใช้รูปแบบและไฟล์เป้าหมาย S3DistCp ยังสามารถใช้เพื่อถ่ายโอนข้อมูลปริมาณมากจาก S3 ไปยังคลัสเตอร์ Hadoop ของคุณได้อีกด้วย
s3-วางขนาน	อัปโหลดหลายไฟล์ไปยัง S3 พร้อมกัน
กะแดง	ทำหน้าที่เป็นคลังข้อมูลที่รวดเร็วซึ่งสร้างขึ้นจากเทคโนโลยีจากการประมวลผลแบบขนานขนาดใหญ่ (MPP)
ไคเนซิส	สตรีมข้อมูลแบบเรียลไทม์ด้วยความสามารถในการประมวลผลสตรีมข้อมูลหลายพันรายการต่อวินาที
แลมบ์ดา	รันโค้ดเพื่อตอบสนองต่อเหตุการณ์ และจัดการทรัพยากรการประมวลผลโดยอัตโนมัติ

คำสั่ง

IPython Notebook สาธิตบรรทัดคำสั่งต่างๆ สำหรับ Linux, Git ฯลฯ

โน๊ตบุ๊ค	คำอธิบาย
ลินุกซ์	ระบบปฏิบัติการคอมพิวเตอร์ที่มีลักษณะคล้าย Unix และเป็นไปตาม POSIX เป็นส่วนใหญ่ การใช้ดิสก์, การแยกไฟล์, grep, sed, curl, การดูกระบวนการที่รันอยู่, การเน้นไวยากรณ์เทอร์มินัล และ Vim
อนาคอนด้า	การเผยแพร่ภาษาการเขียนโปรแกรม Python สำหรับการประมวลผลข้อมูลขนาดใหญ่ การวิเคราะห์เชิงคาดการณ์ และการคำนวณทางวิทยาศาสตร์ ซึ่งมีจุดมุ่งหมายเพื่อทำให้การจัดการแพ็คเกจและการปรับใช้ง่ายขึ้น
โน๊ตบุ๊คไอไพธอน	สภาพแวดล้อมการคำนวณเชิงโต้ตอบบนเว็บที่คุณสามารถรวมการเรียกใช้โค้ด ข้อความ คณิตศาสตร์ โครงเรื่อง และสื่อสมบูรณ์ไว้ในเอกสารเดียว
คอมไพล์	ระบบควบคุมการแก้ไขแบบกระจายโดยเน้นที่ความเร็ว ความสมบูรณ์ของข้อมูล และการสนับสนุนเวิร์กโฟลว์แบบกระจายที่ไม่ใช่เชิงเส้น
ทับทิม	ใช้เพื่อโต้ตอบกับบรรทัดคำสั่ง AWS และสำหรับ Jekyll ซึ่งเป็นเฟรมเวิร์กบล็อกที่สามารถโฮสต์บน GitHub Pages
เจคิล	เครื่องมือสร้างไซต์แบบคงที่ที่เรียบง่ายและรับรู้ถึงบล็อกสำหรับไซต์ส่วนตัว โครงการ หรือองค์กร เรนเดอร์เทมเพลต Markdown หรือสิ่งทอและของเหลว และสร้างเว็บไซต์คงที่ที่สมบูรณ์พร้อมที่จะให้บริการโดย Apache HTTP Server, Nginx หรือเว็บเซิร์ฟเวอร์อื่น
นกกระทุง	ทางเลือกที่ใช้ Python แทน Jekyll
จังโก้	กรอบงานเว็บ Python ระดับสูงที่สนับสนุนการพัฒนาอย่างรวดเร็วและการออกแบบที่สะอาดและใช้งานได้จริง การแชร์รายงาน/การวิเคราะห์และการเขียนบล็อกอาจเป็นประโยชน์ ตัวเลือกที่มีน้ำหนักเบากว่า ได้แก่ พีระมิด ฟลาสก์ ทอร์นาโด และขวด

เบ็ดเตล็ด

IPython Notebook สาธิตการทำงานเบ็ดเตล็ด

โน๊ตบุ๊ค	คำอธิบาย
นิพจน์ทั่วไป	เอกสารสรุปนิพจน์ทั่วไปมีประโยชน์ในการโต้แย้งข้อมูล
อัลกอริทึม	Algorithmia เป็นตลาดสำหรับอัลกอริทึม สมุดบันทึกนี้นำเสนออัลกอริธึมที่แตกต่างกัน 4 แบบ ได้แก่ Face Detection, Content Summarizer, Latent Dirichlet Allocation และ Optical Character Recognition

การติดตั้งโน้ตบุ๊ก

อนาคอนด้า

Anaconda คือการเผยแพร่ภาษาการเขียนโปรแกรม Python ฟรีสำหรับการประมวลผลข้อมูลขนาดใหญ่ การวิเคราะห์เชิงคาดการณ์ และการคำนวณทางวิทยาศาสตร์ที่มีจุดมุ่งหมายเพื่อทำให้การจัดการแพ็คเกจและการปรับใช้ง่ายขึ้น

ทำตามคำแนะนำเพื่อติดตั้ง Anaconda หรือ miniconda ที่มีน้ำหนักเบากว่า

dev-การตั้งค่า

สำหรับคำแนะนำโดยละเอียด สคริปต์ และเครื่องมือในการตั้งค่าสภาพแวดล้อมการพัฒนาสำหรับการวิเคราะห์ข้อมูล โปรดดูที่ repo การตั้งค่า dev

วิ่ง-โน๊ตบุ๊ค

หากต้องการดูเนื้อหาเชิงโต้ตอบหรือแก้ไของค์ประกอบภายในสมุดบันทึก IPython คุณต้องโคลนหรือดาวน์โหลดที่เก็บก่อน จากนั้นจึงเรียกใช้สมุดบันทึก ข้อมูลเพิ่มเติมเกี่ยวกับ IPython Notebooks สามารถพบได้ที่นี่

 $ git clone https://github.com/donnemartin/data-science-ipython-notebooks.git
$ cd data-science-ipython-notebooks
$ jupyter notebook

โน้ตบุ๊กที่ทดสอบด้วย Python 2.7.x

เครดิต

• Python สำหรับการวิเคราะห์ข้อมูล: การโต้เถียงกับ Pandas, NumPy และ IPython โดย Wes McKinney
• PyCon 2015 Scikit-learn Tutorial โดย Jake VanderPlas
• คู่มือวิทยาศาสตร์ข้อมูล Python โดย Jake VanderPlas
• การเรียนรู้ของเครื่องแบบขนานกับ scikit-learn และ IPython โดย Olivier Grisel
• การแทรกแซงทางสถิติโดยใช้วิธีคำนวณใน Python โดย Allen Downey
• ตัวอย่าง TensorFlow โดย Aymeric Damien
• บทช่วยสอน TensorFlow โดย Parag K Mital
• บทช่วยสอน TensorFlow โดย Nathan Lintz
• บทช่วยสอน TensorFlow โดย Alexander R Johansen
• หนังสือ TensorFlow โดย Nishant Shukla
• Summer School 2015 โดย mila-udem
• บทช่วยสอน Keras โดย Valerio Maggio
• กากเกิล
• บล็อกของ Yhat

มีส่วนร่วม

ยินดีบริจาค! สำหรับรายงานข้อผิดพลาดหรือการร้องขอกรุณาส่งปัญหา

ข้อมูลการติดต่อ

อย่าลังเลที่จะติดต่อฉันเพื่อหารือเกี่ยวกับปัญหา คำถาม หรือความคิดเห็น

• อีเมล์: [email protected]
• ทวิตเตอร์: @donne_martin
• GitHub: ดอนเนมาร์ติน
• LinkedIn: ดอนเนมาร์ติน
• เว็บไซต์: donnemartin.com

ใบอนุญาต

พื้นที่เก็บข้อมูลนี้มีเนื้อหาที่หลากหลาย บางส่วนพัฒนาโดย Donne Martin และบางส่วนจากบุคคลที่สาม เนื้อหาของบุคคลที่สามได้รับการเผยแพร่ภายใต้ใบอนุญาตที่ได้รับจากฝ่ายเหล่านั้น

เนื้อหาที่พัฒนาโดย Donne Martin ได้รับการเผยแพร่ภายใต้ใบอนุญาตต่อไปนี้:

ฉันกำลังมอบโค้ดและทรัพยากรในพื้นที่เก็บข้อมูลนี้ให้กับคุณภายใต้ใบอนุญาตโอเพ่นซอร์ส เนื่องจากนี่คือพื้นที่เก็บข้อมูลส่วนตัวของฉัน ใบอนุญาตที่คุณได้รับสำหรับโค้ดและทรัพยากรของฉันจึงมาจากฉัน ไม่ใช่นายจ้างของฉัน (Facebook)

 Copyright 2015 Donne Martin

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

   http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.