GitHubじゃ!Pythonじゃ!

GitHubからPython関係の優良リポジトリを探したかったのじゃー、でも英語は出来ないから日本語で読むのじゃー、英語社会世知辛いのじゃー

TarrySingh

Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials – ディープ・ラーニング/人工..

投稿日:

ディープ・ラーニング/人工知能と機械学習のチュートリアルの包括的なリスト – 急速にAI /ディープ・ラーニング/マシンビジョン/ NLPの領域、自動車産業、小売、薬学、医療、ヘルスケアなどの業界特有の分野にTarry Singh彼が博士号を終えるまで2020年。 (これはintになるかもしれない… https://deepkapha.ai

NEW LIST 2017 – 2020:機械学習/ディープラーニング/ AI – チュートリアル

こんにちは – ありがとうございました!

私はarxiv.orgBIORXIV – 特に神経科学のようなインターネットから最新の研究論文を含む、関連するすべてのtopcisを追加して、このチュートリアルサイトを毎日更新します。

さらに重要なことに、ML / DL / AIの交通、医療/ヘルスケアなどの産業分野への応用は、私が鋭い関心を持って見ているものになり、同じことをあなたと共有したいと思うでしょう。
最後に、私はそれをより有用で、退屈なものにしようと努力していますので、提案/コメント/投稿してください。

インデックス

深い学習

IPythonのノートブックやTorch / Lua / D langなどのプログラミングツールを使用して、深い学習機能を実演しています。

uber-pyro-probabalisticチュートリアル

その他のPyRoチュートリアル:

netflix-vectorflowチュートリアル

Pytorchチュートリアル

レベル 説明
初心者/ Zakizhou FacebookからのPyTorchの基礎を学ぶ。
インターメディア/クアンブーン FacebookからのPyTorchについての中間的なことを学ぶ。
アドバンスト/チャサンク FacebookからのPyTorchに関する高度な情報を学ぶ。
例によるPyTorchの学習 – Numpy、Tensors、Autograd PyTorchは、npythonと同様のn次元Tensorの2つの主要機能を提供しますが、GPUで実行し、ニューラルネットワークの構築と訓練のための自動差別化を実行できます。
PyTorch – autograd.Variable、Gradient、Neural Networkについて知りたい ここでは、Tensorsの究極の基礎から始めて、Va​​riableモジュールでTensorをラップし、nn.Moduleで再生し、順方向および逆方向の機能を実装します。

テンソルフローチュートリアル

追加のTensorFlowチュートリアル:

ノート 説明
tsf-basics Googleのさまざまな知覚および言語理解タスクのためのライブラリであるTensorFlowの基本的な操作を学びます。
tsf-linear TensorFlowで線形回帰を実装します。
TSFロジスティック TensorFlowでロジスティック回帰を実装する。
tsf-nn TensorFlowで最も近い隣人を実装する。
tsf-alex TensorFlowでAlexNetを実装する。
tsf-cnn TensorFlowに畳み込みニューラルネットワークを実装する。
tsf-mlp TensorFlowで多層パーセプトロンを実装する。
tsf-rnn TensorFlowでリカレントニューラルネットワークを実装する。
tsf-gpu TensorFlowの基本的なマルチGPU計算について学んでください。
tsf-gviz TensorFlowのグラフの視覚化について学んでください。
tsf-lviz TensorFlowの損失視覚化について学んでください。

テンソルフロー演習

ノート 説明
tsf-not-mnist TensorFlowでのトレーニング、開発、およびテストのためのフォーマット済みのデータセットを含むピクルスを作成することで、簡単なデータのキュレーションを学ぶことができます。
完全に接続されたtsf TensorFlowのロジスティック回帰とニューラルネットワークを使用して、より深く正確なモデルを漸進的に訓練します。
tsf-正則化 TensorFlowでNOTNNIST文字を分類するために、完全に接続されたネットワークを訓練することによって、正規化手法を探索してください。
tsf-convolutions TensorFlowに畳み込みニューラルネットワークを作成します。
tsf-word2vec TensorFlowのText8データをスキップグラムモデルで学習します。
tsf-lstm TensorFlowのText8データに対してLSTM文字モデルを学習します。

theanoチュートリアル

ノート 説明
テアノーイントロ Theanoに紹介すると、多次元配列を効率的に使用する数式を定義、最適化、評価することができます。 GPUを使用して効率的なシンボリックな区別を行うことができます。
テアノスキャン Theanoグラフでループを実行するメカニズムを学習します。
テナノロジスティック Theanoのロジスティック回帰を実装する。
テアノーネン Theanoのリカレントニューラルネットワークを実装する。
テアノ-mlp Theanoに多層パーセプトロンを実装する。

ケラスチュートリアル

ノート 説明
ケラス KerasはPythonで書かれたオープンソースのニューラルネットワークライブラリです。 それはTensorflowまたはTheanoの上で実行することができます。
セットアップ チュートリアルの目標とKeras環境の設定方法について学んでください。
intro-deep-learning-ann Kerasと人工ニューラルネットワーク(ANN)を使った深い学習のイントロをご覧ください。
パーセプトロンとアダリン ピセプトロンと適応線形ニューロンを実装する。
MLPおよびMNISTデータ 手書き数字の分類、MLPの実装、ANNのトレーニングとデバッグ
テアノ ウェイト行列とグラデーションを使ってTheanoについて学んでください。
ケラス・オットー Kaggle Ottoのチャレンジを見て、Kerasについて学んでください。
アンヌンニズム Kerasを使ってMNISTのためのANNの簡単な実装を見直してください。
コンバネット Kerasを使用した畳み込みニューラルネットワーク(CNN)について学んでください。
conv-net-1 Kerasを使ってMNISTの手書き数字を認識する – 第1部
conv-net-2 Kerasを使用してMNISTから手書き数字を認識する – 第2部
ケラスモデル KerasでVGG16、VGG19、ResNet50、Inception v3などの事前に訓練されたモデルを使用します。
オートエンコーダ Kerasでオートエンコーダーを学ぶ。
rnn-lstm Kerasを使用したリカレントニューラルネットワーク(RNN)について学びます。
lstm-sentence-gen KerasでLSTM(Long Term Memory)ネットワークを使用してRNNについて学ぶ。
nlp-deep-learning ANN(人工ニューラルネットワーク)を使用してNLPについて学んでください。
ハイパーパラメータチューニング keras-wrapper.scikit-learnを使用したハイパーパラメータチューニング

深い学習 – その他

ノート 説明
深い夢 畳み込みニューラルネットワークを使用して画像のパターンを見つけて強化する、Caffeベースのコンピュータビジョンプログラム。

シキット学習

scyit-learn機能を実演するIPythonノートブック。

ノート 説明
紹介 ノートをシキットに学ぶイントロノート。 Scikit-learnは、大規模で多次元の配列や行列、そしてこれらの配列を操作するための高水準の数学関数の大きなライブラリに加えて、Pythonのサポートを追加します。
knn scikit-learnでk-nearest neighborsを実装する。
線形reg scikit-learnで線形回帰を実装します。
SVM scikit-learnでカーネルの有無にかかわらずサポートベクターマシンクラシファイアを実装します。
ランダムフォレスト scikit-learnでランダムフォレスト分類子と回帰分析を実装します。
K平均 scikit-learnでk-meansクラスタリングを実装する。
pca scikit-learnで主成分分析を実装します。
gmm scikit-learnでガウス混合モデルを実装する。
検証 scikit-learnで検証とモデル選択を実装します。

統計的推論サイフィ

SciPy機能の統計的推論を実証するIPythonノートブック。

ノート 説明
サイキー SciPyはPythonのNumpy拡張で構築された数学的アルゴリズムと便利関数のコレクションです。 インタラクティブなPythonセッションには、データを操作し可視化するための高度なコマンドとクラスをユーザに提供することで、大きな力を加えることができます。
効果の大きさ 男性と女性の高さの違いを分析して、エフェクトのサイズを定量化する統計を調べます。 行動リスクファクターサーベイランスシステム(BRFSS)のデータを使用して、米国の成人女性および男性の身長の平均および標準偏差を推定する。
サンプリング BRFSSのデータを使用してアメリカの男性と女性の平均体重を分析して無作為抽出を調べる。
仮説 最初の生まれの赤ちゃんの違いを他のものと比較して仮説検定を調べてみましょう。

パンダ

パンダの機能を実演するIPythonのノートブック。

ノート 説明
パンダ Pythonでのデータ操作と分析のために書かれたソフトウェアライブラリ。 数値表と時系列を操作するためのデータ構造と操作を提供します。
ギブス・データ論争 VizリポジトリからのGitHubデータを解析することで、エンジニアの読み込み、消去、マージ、フィーチャー作成の方法を学ぶことができます。
パンダ入門 パンダの紹介。
Pandas-オブジェクトの紹介 パンダのオブジェクトについて学んでください。
データのインデックス作成と選択 Pandasのデータインデックス作成と選択について学びます。
オペレーション・イン・パンダ パンダのデータの操作について学びます。
欠損値 Pandasで欠落しているデータを処理する方法について学びます。
階層的インデックス作成 パンダの階層インデックスについて学びます。
コンカット・アンド・アペンド データセットの組み合わせについて学んでください:Pandasのconcatとappend
マージ・アンド・ジョイン データセットの結合について学んでください:Pandasでマージして結合してください。
集約およびグループ化 パンダの集約とグループ化について学びましょう。
ピボットテーブル パンダのピボットテーブルについて学んでください。
ワーキング・ストリングス パンダのベクトル化された文字列操作について学んでください。
ワーキング・タイム・シリーズ パンダでの時系列の作業について学びます。
パフォーマンス評価とクエリ 高性能なパンダについて:パンダのeval()とquery()について学んでください。

matplotlib

matplotlibの機能を実演するIPythonのノートブック。

ノート 説明
matplotlib 様々なハードコピー形式やプラットフォーム間の対話型環境で出版品質の数値を生成するPython 2Dプロットライブラリ。
matplotlib-applied 探索的データ分析のためにKaggle大会にmatplotlib視覚化を適用する。 バープロット、ヒストグラム、サブプロット2グリッド、正規化プロット、散布図、サブプロット、およびカーネル密度推定プロットの作成方法を学びます。
Matteotlibの紹介 Matplotlibの紹介。
シンプルラインプロット Matplotlibの簡単なラインプロットについて学んでください。
単純散布図 Matplotlibの簡単な散布図について学んでください。
Errorbars.ipynb Matplotlibのエラーを視覚化する方法について学びます。
密度と等高線プロット Matplotlibの密度と等高線のプロットについて学びます。
ヒストグラム Matplotlibのヒストグラム、ビンニング、密度について学びます。
カスタマイズ – 凡例 Matplotlibでプロットの凡例をカスタマイズする方法について学びます。
カスタマイズ – カラーバー Matplotlibのカラーバーのカスタマイズについて学んでください。
複数サブプロット Matplotlibの複数のサブプロットについて学びます。
テキストと注釈 Matplotlibのテキストと注釈について学んでください。
カスタマイズ – ティック Matplotlibでダニをカスタマイズする方法について学びます。
設定とスタイルシート Matplotlibの設定とスタイルシートのカスタマイズについて学んでください。
三次元プロット Matplotlibの3次元プロットについて学んでください。
地理データベースマップあり Matplotlibのベースマップを使って地理データを学ぶ。
ビジュアライゼーション – シーボーン シーボーンによる視覚化について学んでください。

貧弱

NumPy機能を実演するIPythonノートブック。

ノート 説明
貧弱 大規模で多次元の配列や行列、これらの配列を操作するための高水準の数学関数の大きなライブラリに加えて、Pythonのサポートを追加します。
NumPyの紹介 NumPyの紹介。
データ型の理解 Pythonのデータ型について学んでください。
NumPyの基本的な配列 NumPy配列の基本について学びます。
配列上の計算 – ufuncs NumPy配列の計算について学びましょう:汎用関数。
アレイ上の計算集約 集計については、NumPyの最小値、最大値、およびその間のすべてについて学んでください。
アレイ・コンピューティング 配列の計算について学ぶ:NumPyで放送する。
ブール配列とマスク NumPyの比較、マスク、ブール論理について学びます。
ファンシーインデックス作成 NumPyのファンシーインデックスについて学んでください。
並べ替え NumPyで配列をソートする方法について学びます。
構造化データNumPy 構造化データについて学ぶ:NumPyの構造化配列。

python-data

Pythonの機能をデモンストレーションしてデータ解析に役立つIPythonノートブック。

ノート 説明
データ構造 タプル、リスト、辞書、セットでPythonの基礎を学ぶ。
データ構造ユーティリティ スライス、範囲、xrange、bisect、sort、sorted、reversed、enumerate、zip、list comprehensionsなどのPython操作について学んでください。
機能 より高度なPythonの機能について学んでください:オブジェクトとしての機能、ラムダ関数、クロージャ、* args、カリング、keneration、ジェネレータ、itertools
日付時刻 Pythonの日付と時刻を扱う方法を学ぶ:datetime、strftime、strptime、timedelta
ロギング RotatingFileHandlerとTimedRotatingFileHandlerを使ってPythonロギングについて学んでください。
pdb インタラクティブなソースコードデバッガを使ってPythonでデバッグする方法を学んでください。
単体テスト NoseユニットテストでPythonでテストする方法を学んでください。

かぎ括弧とビジネス分析

カジグル競争やビジネス分析に使用されるIPythonノートブック。

ノート 説明
タイタニック タイタニック号で生存を予測する。 データクリーニング、探索的データ分析、機械学習を学びます。
チャーン分析 顧客の解約を予測する。 ロジスティック回帰、グラディエントブースティングクラシファイア、サポートベクターマシン、ランダムフォレスト、およびk最近傍点を実行します。 混同行列、ROCプロット、フィーチャインパクト、予測確率、較正/差し引きの議論が含まれます。

スパーク

スパークとHDFS機能を実証するIPythonノートブック。

ノート 説明
スパーク インメモリークラスターコンピューティングフレームワークで、特定のアプリケーションで最大100倍高速で、機械学習アルゴリズムに最適です。
hdfs 非常に大きなファイルを大規模なクラスタ内のマシン間で確実に格納します。

mapreduce-python

mhjob機能を備えたHadoop MapReduceを実演するIPythonノートブック。

ノート 説明
mapreduce-python PythonでMapReduceジョブを実行し、ジョブをローカルまたはHadoopクラスタで実行します。 ユニットテストとmrjob設定ファイルを使用してPythonコードでHadoop Streamingを実演し、Elastic MapReduceのAmazon S3バケットログを解析します。 DiscoはPythonベースの別の代替手段です。

aws

Amazon Web Services(AWS)とAWSツールの機能を実演するIPythonノートブック。

またチェックアウト:

  • SAWS :スーパーチャージAWSコマンドラインインターフェイス(CLI)。
  • 素晴らしいAWS :図書館、オープンソースのレポ、ガイド、ブログ、その他のリソースのリストです。
ノート 説明
ボトム Python用の公式AWS SDK。
s3cmd コマンドラインを介してS3と対話します。
s3distcp 小さなファイルを結合し、パターンとターゲットファイルを取り込むことでそれらを集約します。 S3DistCpを使用して、大量のデータをS3からHadoopクラスタに転送することもできます。
s3-パラレル – put 並行して複数のファイルをS3にアップロードします。
赤方偏移 大量並列処理(MPP)のテクノロジをベースに構築された高速データウェアハウスとして機能します。
キネシス 1秒間に何千ものデータストリームを処理する機能により、リアルタイムでデータをストリームします。
ラムダ イベントに応じてコードを実行し、コンピューティングリソースを自動的に管理します。

コマンド

Linux、Gitなどのさまざまなコマンドラインを実演するIPythonノートブック

ノート 説明
linux UNIXのようなPOSIX準拠のコンピュータオペレーティングシステムです。 ディスクの使用状況、ファイルの分割、grep、sed、カール、実行中のプロセスの表示、端末構文の強調表示、Vim。
アナコンダ パッケージ管理とデプロイメントを簡素化することを目的とした、大規模データ処理、予測分析、科学計算のためのPythonプログラミング言語の配布。
ipythonノートブック コード実行、テキスト、数学、プロット、リッチメディアを1つのドキュメントに結合できる、Webベースのインタラクティブな計算環境。
git 速度、データの完全性、および分散型非線形ワークフローのサポートを重視した分散リビジョン管理システム。
ルビー AWSコマンドラインやGitHub PagesでホストできるブログフレームワークであるJekyllと対話するために使用されます。
ジキル 個人、プロジェクト、または組織のサイト用のシンプルでブログを認識した静的サイト生成プログラム。 MarkdownやTextile、Liquidのテンプレートをレンダリングし、Apache HTTP Server、Nginx、または他のWebサーバーが提供できる完全な静的Webサイトを生成します。
ペリカン PythonベースのJekyllの代わり。
ジャンゴ 迅速な開発とクリーンで実用的な設計を促進する高水準のPython Webフレームワーク。 レポートや分析を共有したり、ブログを作成したりするのに便利です。 軽量の代替品には、 ピラミッドフラスコトルネードボトルなどがあります。

その他

その他の機能を実演するIPythonノートブック。

ノート 説明
正規表現 データの争いに役立つ正規表現のカンニングシート。
アルゴリズム アルゴリズムはアルゴリズムの市場です。 このノートブックは、顔検出、コンテンツサマライザ、潜在的なディリクレ割り当て、光学式文字認識の4種類のアルゴリズムを紹介しています。

ノートブックインストール

アナコンダ

Anacondaは、大規模なデータ処理、予測分析、および科学的コンピューティングのためのPythonプログラミング言語の無償配布であり、パッケージ管理と展開を簡素化することを目的としています。

Anacondaまたは軽量のミニコンダをインストールする手順に従ってください。

dev-setup

データ分析のための開発環境をセットアップするための詳細な手順、スクリプト、およびツールについては、 dev-setupレポを参照してください。

ランニングノート

注:難しい方法(好みの方法)を学ぶつもりなら、事前に書かれたコードを実行するのではなく、自分でできるだけ多くのコードを書くことを強くお勧めします。 それでもテストしたい場合は、次のようにします。

インタラクティブなコンテンツを表示したり、IPythonノートブック内の要素を変更するには、まずリポジトリをクローンまたはダウンロードしてからノートブックを実行する必要があります。 IPythonノートブックの詳細は、こちらを参照してください。

$ git clone https://github.com/TarrySingh/Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials.git
$ cd Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials
$ jupyter notebook

Python 2.7.xでテストされたノートブック(すぐにPython 3.5+にアップデートされます)

curated-list-of-deeplearning-blogs

クレジット

contributing

貢献は歓迎です! For bug reports or requests please submit an issue .

contact-info

Feel free to contact me to discuss any issues, questions, or comments.

ライセンス

This repository contains a variety of content; some developed by Tarry Singh and some from third-parties and a lot will be maintained by me. The third-party content is distributed under the license provided by those parties.

The content was originally developed by Donne Martin is distributed under the following license. I will be maintaining and revamping it by adding PyTorch, Torch/Lua, MXNET and much more:

I am providing code and resources in this repository to you under an open source license.

Copyright 2017 Tarry Singh

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.







-TarrySingh
-, , , , , , , , , , , , , , , , , , , ,

執筆者: