No último ano tive a oportunidade de trabalhar em projetos envolvendo IoT e Machine Learning. No processo entre aplicação, estudos e desenvolvimento, acabei separando algum material e exemplos que me ajudaram a inicar nesta carreira, bem como no processo de aprendizagem.
O Meriat Machine Learning Notes nada mais é que um compendio destes estudos que resolvi compartilhar no github utilizando o Jupyter Notebook.
Minha opção pelo Jupyter Notebook, dentre tantos motivos, se dá pelo fato de conseguir de forma simples documentar e visualizar todo o código e anotações de forma simples. Vale dizer que o código que estou utilizando pode ser facilmente utilizado em outra IDE, conforme sua preferência.
Algumas implementações são reprodução de exercícios dos quais eu irei apontar o material base.
O material ainda está em formação, visto que ainda tenho um longo caminho a percorrer. É possível que futuramente eu altere o repositório, já que alguns estudos podem gerar um repositório separado.
Por hora vou concentrando meus esforços por aqui ;)
Github
Study Notes on machine learning, data analysis, algorithms and best practices using Python and Jupyter Notebook.
Meriat Machine Learning Note
A estrutura atual está descrita logo abaixo. Vou me esforçar para manter atualizada.
File Handling
TBA
SMS Spam Filtering
TBA
Song Recommender
TBA
Basic Math
Basic math notions with python
Basic Statistic in Python
Basic math statistics with python
Basic Natural Language Processing
- Tokenization
- Stopword Removal
- N-Grams
- WordSense Disambiguation
- Parts-of-Speech
This module uses NLTK for the text processing processes. It is important to note that you will need to download nltk_data.
Simple Probability Model
- Common Ground
- Limit Theorems
- Derived Distributions
- Covariance
- Correlation
Imbalanced Learning with Gaussians
TBA
Neural Network
- Adaline
- Perceptron
- Simple Neural Network
- Train a Linear Classifier
- A simple implementation of convolutional neural networks