matias-harper Goto Github PK
Name: Matías Naranjo Harper
Type: User
Bio: Soy un músico nerd que le gusta el código, especialista en el área de datos y audio.
Location: Rosario, Santa Fe
Name: Matías Naranjo Harper
Type: User
Bio: Soy un músico nerd que le gusta el código, especialista en el área de datos y audio.
Location: Rosario, Santa Fe
This is a recipe for docker container based architecture based on airflow, kafka,spark,docker
Cursos a tu ritmo y ejercitacion recomendada que me sirvieron para avanzar en la carrera de Data Scientist.
Learn Data Science with focus on adding value with the most efficient tech stack.
:memo: A text file containing 479k English words for all your dictionary/word-based projects e.g: auto-completion / autosuggestion
Fork de nuestro glorioso proyecto final de Henry
Te invitamos a participar de la primera edición de Human Datathon, un espacio en donde tanto especialistas en datos como en educación, nos pondremos al servicio de la Educación Digital.
Un código simple que muestra dos modelos de red neuronal que nos permita predecir el valor en grados Fahrenheit de temperaturas en grados Celsius
Esta es una pequeña red social donde se definen algunas funciones y se piden guardan datos de usuario. Hecho para mi primer curso de Python dentro de la plataforma Coursera
Repositorio del PI03 de Data Science
Primer clasificador de imágenes con Python y Tensorflow. Ringa Tech: https://www.youtube.com/watch?v=j6eGHROLKP8&t=81s&ab_channel=RingaTech El modelo que tenemos a diferencia del anterior que era de regresión, es de CLASIFICACIÓN. Recibimos de entrada una imagen y nuestra red tiene que devolver en qué clasificación (de las prefijadas) corresponde. La pregunta es como ingresar la entrada “imagen” ya que previamente con números podíamos hacerlo más intuitivamente, en este caso pasaremos la imagen a blanco y negro y la dividiremos en píxeles, cada neurona de entrada almacenará un píxel de nuestra imagen de entrada. Para esto reduciremos la imagen a 28*28 px para tener 784 píxeles totales y 784 neuronas de entrada. Por ende ya sabemos que tendrá 784 neuronas de entrada y 10 de salida (Camiseta, Pantalon, Sueter, Vestido, Saco, Sandalia, Camisa, Tenis, Bolsa, Botin). ¿Qué tipo de red neuronal usar? La utilizada generalmente será una Red Neuronal Convolucional, sin embargo consideraremos que no existe, asi que trabajaremos partiendo de una Red Neuronal Densa (nuevamente). Ya dijimos que esto no será un problema lineal así que deberemos incorporar los conceptos de Capas Ocultas y Funciones de Activación. Las Capas Ocultas nos aportaran nuevas “perillas” a nuestra consola permitiendo afinar y robustecer nuestro modelo sin embargo sigue buscando una solución lineal aunque las agreguemos (por ej fueron agregadas al problema anterior en el final a modo de prueba) Para suplir esto utilizaremos las Funciones de Activación, luego de su peso y su sesgo la neurona deberá pasar por la misma. Existen muchas Funciones de Activación que no abordaremos en este momento. A pesar de lo escueto de esta explicación, debemos entender que estas nuevas herramientas le generan a nuestra red posibilidades para resolver problemas complejos. Estamos listos? y cómo entrenamos a nuestra red? Utilizaremos un set de imágenes creado por la marca Zalando, donde encontraremos imagenes en blanco y negro de las dimensiones que necesitamos y esta categorizadas como queremos hacerlo (hermoso, asi no fuciona en la vida real jaja). Tendremos 70 mil imágenes. Comencemos en el Google Colab Arrancaremos con dos capas ocultas de 50 neuronas cada una generando un modelo de 784 neuronas de entrada, 50 capa oculta 1, 50 capa oculta 2 y 10 de salida. (luego agregue más neuronas a las capas intermedias para lograr mejores predicciones) En el colab se encuentra el código paso a paso https://colab.research.google.com/drive/1FcjuflUrXIU2JetfoVZddNbrKWqRhW5c?usp=sharing
Proyecto sobre alertas sismicas
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.