-
Stars2
-
Language XSLT
-
License
MIT License -
Created over 8 years ago
-
Updated over 8 years ago
Reviews
There are no reviews yet. Be the first to send feedback to the community and the maintainers!
Repository Details
Hands of labs Building a Graph with Spark using ClouderaVM
More Repositories
1
machine_learning_stanford
Machine learning is the science of getting computers to act without being explicitly programmed. In the past decade, machine learning has given us self-driving cars, practical speech recognition, effective web search, and a vastly improved understanding of the human genome. Machine learning is so pervasive today that you probably use it dozens of times a day without knowing it. Many researchers also think it is the best way to make progress towards human-level AI. In this class, you will learn about the most effective machine learning techniques, and gain practice implementing them and getting them to work for yourself. More importantly, you'll learn about not only the theoretical underpinnings of learning, but also gain the practical know-how needed to quickly and powerfully apply these techniques to new problems. Finally, you'll learn about some of Silicon Valley's best practices in innovation as it pertains to machine learning and AI. This course provides a broad introduction to machine learning, datamining, and statistical pattern recognition. Topics include: (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI). The course will also draw from numerous case studies and applications, so that you'll also learn how to apply learning algorithms to building smart robots (perception, control), text understanding (web search, anti-spam), computer vision, medical informatics, audio, database mining, and other areas.MATLAB
5
2
puzzles_java
Algorithms problems solvingJava
3
3
deep-learning
Jupyter Notebook
3
4
omg_mongodb
Lab OGM usando Hibernate e MongoDBJava
3
5
pneumonia-predictor
Predictions made by a Tensorflow Deep Learning Model trained on Kaggle Dataset: Chest X-Ray Images (Pneumonia)HTML
3
6
gcp
GCP: Complete Google Data Engineer and Cloud ArchitectJupyter Notebook
3
7
html_builder
A library for writing html files in java, usefull for creating emails dynamically.HTML
3
8
puzzles_go
Go
3
9
data-analysis
Jupyter Notebook
2
10
terraform-labs
HCL
2
11
CKAD
CKAD - CERTIFIED KUBERNETES APPLICATION DEVELOPER
Smarty
2
12
spring-microservices-kubernetes
Java
2
13
observability
Go
2
14
esus_thrift_mapped_conversion
Lib for mapping data for integrate data with ESUS through Apache Thrift.Java
2
15
spring-stackdriver
Java
2
16
machine-learning
Shallow Machine Learning
2
17
gcp-data-engineer
Jupyter Notebook
2
18
airflow-labs
Airflow LabsPython
2
19
notebooks
Notebooks for ML and Data AnalysisJupyter Notebook
2
20
california-housing
2
21
go_booking_app
Simple CLI booking appGo
2
22
lib-bag-of-words-pre-process
Java
2
23
liferay_lab
Liferay Learning Path with OSGi, Portlets, Soy and MetaljsJava
2
24
nlp
Jupyter Notebook
2
25
react-material
JavaScript
2
26
android_examples
android_exemplesJava
2
27
go_design_patterns
Go
2
28
go_basics
Go
2
29
katacoda-scenarios
Katacoda Scenarios
2
30
spring-books-store
Java
2
31
ocpjp
Codes from OCPJP preparationJava
2
32
Spark-Scala
Spark ScalaScala
2
33
GCP-Migrating-from-Spark-to-BigQuery-via-Dataproc
Migrating from Spark to BigQuery via DataprocJupyter Notebook
2
34
fashion-mnist-api
2
35
spark-java
Spark using JavaJava
2
36
ecommerce-purchases-analysis-pandas
Analysis of a ecommerce purchases dataset with pandasJupyter Notebook
2
37
terraform-101
HCL
2
38
puzzles_sql
2
39
es6
OOP and Design Patterns with JavascriptJavaScript
2
40
spark-python
Spark PythonJupyter Notebook
2
41
gdg_intro_angularjs4
TypeScript
2
42
todo_metaljs
JavaScript
2
43
sf_salaries_pandas
Explore San Francisco city employee salary data with PandasJupyter Notebook
2
44
machine-learning-apis-gcp
It’s no secret that machine learning is one of the fastest growing fields in tech, and the Google Cloud Platform has been instrumental in furthering it’s development. With a host of APIs, GCP has a tool for just about any machine learning job. In this advanced-level quest, you will get hands-on practice with machine learning APIs by taking labs like Implementing an AI Chatbot with Dialogflow and Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API.Jupyter Notebook
2
45
boston_housing
O mercado imobiliário de Boston é altamente competitivo, e você quer ser o melhor corretor de imóveis da região. Para competir com seus colegas, você decidiu elencar alguns conceitos básicos de Machine Learning para ajudar você e seu cliente a acharem o melhor preço de venda para a casa dele. Com sorte, você se deparou com o conjunto de dados de habitação de Boston, que contém dados agregados de várias características para casas das comunidades da Grande Boston, incluindo o valor médio das casas para cada uma das regiões. Sua tarefa é construir um modelo ótimo, baseado na análise das estatísticas com as ferramentas disponíveis. Esse modelo será, então, usado para estimar o melhor preço de venda para a casa de seus clientes.HTML
2
46
customer_segments
Uma distribuidora atacadista recentemente testou uma mudança em seu método de entrega para alguns clientes, trocando de um serviço de entrega cinco vezes por semana pela manhã para um serviço de entrega mais barato, três vezes por semana ao final da tarde. Teste iniciais não mostraram nenhum resultado insatisfatório significante, então eles implementaram a opção mais barata para todos os clientes. Quase imediatamente, a distribuidora começou a receber reclamações sobre as mudanças no serviço e clientes começaram a cancelar entregas — perdendo mais dinheiro do que estava sendo poupado. Você foi contratado pela distribuidora para descobrir que tipos de clientes eles têm, para que possam fazer decisões melhores e mais bem informadas no futuro. Sua tarefa é utilizar técnicas de aprendizagem não-supervisionada para ver se existe qualquer similaridade entre os clientes, e como melhor segmentá-los em categorias distintas.Jupyter Notebook
2
47
student_intervention
Com o aumento do uso da tecnologia na educação, uma vasta quantidade de dados foi disponibilizada para avaliação e predição. Registros das atividades dos alunos, notas, interações com os professores e colegas, entre outros, agora são captados em tempo real por sistemas de gerenciamento de aprendizagem como o Canvas e o Edmodo. Esse fenômeno é particularmente forte em aulas à distância, que estão tornando-se populares até mesmo no Ensino Fundamental e Médio. Dentro de todos os níveis da educação, existe um impulso para aumentar a probabilidade de sucesso do aluno sem diluir a educação nem encorajar comportamentos que não vão melhorar os problemas na raiz. A taxa de graduação frequentemente é o critério preferencial, e os educadores procuram novas maneiras de predizer o sucesso ou o fracasso dos estudantes cedo o bastante para organizar intervenções eficazes.HTML
2
48
m101js
Codes created during M101JS (Mongo for NodeJS Developers)JavaScript
1
49
clojure_starting
Clojure
1
50
javaoo_simple_demo
Simple RPG game to show OO concepts with JavaJava
1
51
tiffus
Automatically exported from code.google.com/p/tiffusJava
1
52
nats_websocket_poc
JavaScript
1
53
juliocnsouzadev
1
54
AngulaJSExample
Exemplo criados durante o estudo do livro AngulaJS na PraticaJavaScript
1
55
oca
Exemplo criados durante a preparação para OCA Java SE 7 Programmer IJava
1
56
simple_msg_timeline
MySimpleTwiiter is a MEAN Stack app that hava some microblogs features.JavaScript
1
57
kafka-ish
Go
1
58
django_labs
Python
1
59
puzzles_py
Python
1
60
eip
Enterprise Integration Patterns ExamplesHTML
1
61
vagrant_puppet_labs
Estudo inicial de aprimoramento de DevOps com Vagrant e Puppet
ApacheConf
1
62
descriptive_statistics_project
Jupyter Notebook
1
63
jasmine_karma_lab
Testes Unitários com Jasmine e KarmaJavaScript
1
64
java8
Java
1
65
mlnd_spam_detecter
Implementação do algoritmo Naive Bayes para detectar mensagens de texto de spam.Jupyter Notebook
1
66
design_patterns
Códigos dos Posts sobre Design Patterns do BlogJava
1
67
ionic_labs
JavaScript
1
68
gdg_intro_angularjs4_server
Java
1
69
sun_earth
Um sistema solar feito usando html5 e css3CSS
1
70
scala101
Starting with Scala Basic Principles
XSLT
1
71
filtering_angularjs
Simple AngularJS App with Bootstrap showing use of filtering dataHTML
1
72
racha_manager
App Android para gerenciar rachas (peladas) de futebolJava
1
73
inferential_statistics_project
Jupyter Notebook
1
74
c_labs
C
1
75
docker_101
Dockerfile
1
76
android_annotations_lab
Simple Android App for start working with Android AnnotationsJava
1
77
microservices_nlp
Building highly available, scalable, resilient distributed applications using GoGo
1
78
cdi
Java
1
79
puzzles_js
JavaScript
1
80
hadoop_joining_data
Python
1
81
sorteador-javafx
Java
1
82
spark_with_scala
Apache Spark 2.0 with Scala - Hands On with Big Data!Scala
1
83
word_count_hadoop_python
Simple Word Count MapReduce code in PythonPython
1
84
maven-github-docker-push-example
Java
1
85
leader_election
Demo of Leader Election ConceptsGo
1
86
angular2
TypeScript
1
87
m102
JavaScript
1
88
simple_orm
Simple ORM is lab that simulates the behavior of JPA in Java by Mapping Objects to Relational Databases.Java
1
89
JerseyRestAPI-with-SpringBoot
A Spring Boot app with Restful API for accessing and modifying data stored in an embedded database HSQL.Java
1
90
jumper
Java
1
91
scala_datascience
Data Scientists tend to favor one of three programming languages, Python, R, or Scala. Scala, short fore scalable language, is the future ready. Move beyond your regular java, and check out what is brewing in this language.Scala
1
92
java-google-translate-text-to-speech
Automatically exported from code.google.com/p/java-google-translate-text-to-speechJava
1
93
mean_stack
A JS end to end application using MongoDB, Express, AngularJS and NodeJS.JavaScript
1