Галерея лучших блокнотов по ML и Data Science

Подборка примечательных файлов формата Jupyter Notebook по Machine Learning, Data Science и другим сферам, которые связаны с анализом данных.

Блокноты Jupyter будут наиболее полезны специалистам по анализу данных — как обучающимся новичкам, так и практикующим профи.

Галерея лучших блокнотов по ML и Data Science

Итак, приступим.

Учебник по Python.
Подборка блокнотов по командам IPython.
Пособие по Matplotlib.

Блокнот по введению в количественную оценку неопределенности и анализ чувствительности.
Сопроводительные материалы книги Джейка Вандерпласа "Python Data Science Handbook".
Введение в статистику с Python.
Блокноты по упражнениям онлайн-курса Эндрю Ына по ML, Spark и TensorFlow.
Методы Монте Карло, стохастическая оптимизация.
Введение в байесовский вывод.
Байесовский анализ данных.
Самоучитель по Data Science.
Поваренная книга IPython.
Введение в машинное обучение с Python и scikit-learn.
Растущая подборка блокнотов по курсу машинного обучения Университета Турина.
Кластеризация и регрессия.
Нейронные сети.
Введение в Pandas.
Data Science и Big Data с Python.
У проекта Statsmodels есть две подборки блокнотов: в официальной документации и в вики.
Python для анализа данных.
Статистика и анализ данных для психологов.
Решение задания курса по анализу данных CS 109.
Книга «Введение в статистическое обучение с приложениями на языке R» имеет две подборки блокнотов с примерами на Python
Блокноты упражнений по курсу StatLearning.
Прикладное предсказательное моделирование с помощью Python.
Большая подборка по четырем курсам, посвященным Data Science, алгоритмам и базам данных Университета Колумбии.
SciPy и OpenCV как интерактивная вычислительная среда для компьютерного зрения.
Фильтры Калмана и Байеса на Python.
Adaboost для задачи классификации цифр.
Подборка по практическому использованию машинного обучения и анализа данных.
Глубокое обучение с Apache SINGA.
Подборка блокнотов по ML и Data Science.
ETL с Python, работа с MySQL и csv-файлами.

Введение в машинное обучение с sklearn.
Интерактивный фитинг кривых с пакетом lmfit.
Введение в машинное обучение с Python и scikit-learn.
Распознавание лиц (датасет Wild).
Введение в байесовские методы многоуровневого моделирования.
Введение в байесовские сети.
Байесовский анализ данных с помощью PyMC3.
Набор примеров для решения шаблонных задач классификаций.
Вероятность, парадокс и принцип разумности.
Определение вероятности отзыва пяти звезд.
Модель геодемографической сегментации.

Общие проблемы при визуализации больших наборов данных и как их избежать.
Визуализация данных переписи США с использованием datashader.
Интеграция данных и визуализации c помощью веб-ресурсов.
21 интерактивный график.
Визуализация комплекснозначных функций с Matplotlib и Mayavi.
Пример использования библиотеки bqplot.
D3 Viewer для визуализации Matplotlib.
Bokeh — интерактивная библиотека для веб-визуализации c Python.
Визуализация с помощью HoloViews.
Победитель конкурса E. Tufte Slope Graphs.
Matta — d3.js-визуализация в IPython Notebook.
Отображение Pandas в интерактивной карте распределения значений.

Программирование на Python для гуманитариев.
Мультиноминальный наивный байесовский классификатор новостей.
Использование рандомной кросс-валидации для категоризации новостей.

Десятиминутный тур по Pandas.
Анализ временных последовательностей с Pandas.
Анализ финансовых данных с Pandas.
Кластеризация данных с датчиков смартфона для анализа данных о физической активности с pandas и scipy.
Анализ и визуализация вспышек на Солнце.
Продвинутый анализ логов Apache.
Статистический анализ данных в Python.
Глубокое погружение в Pandas от .head() до .tail().

Если есть что-то, чем вы можете поделиться, — пишите в комментариях. Больше информации о машинном обучении и Data Science здесь.

Всем знаний!

Галерея лучших блокнотов по ML и Data Science

Вводные курсы в Jupyter Notebook

Статистика, машинное обучение и наука о данных

Анализ данных со стеком SciPy

Визуализация данных и построение графиков в Jupyter Notebook

Обработка естественного языка

Pandas для анализа данных в Jupyter Notebook