Loan_Default_Prediction：贷款违约预测的端到端机器学习过程，机器学习的最终项目ISpring2018 @ GWU

近年来，深度学习已经彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常用欧几里得空间表示。然而，越来越多的应用从非欧几里得域生成数据，并表示为对象之间具有复杂关系和相互依赖关系的图。图数据的复杂性给现有的机器学习算法带来了巨大的挑战。近年来，许多关于图数据扩展深度学习方法的研究已经出现。在八报告中，提供了一个简明的图神经网络(GNNs)在数据挖掘和机器学习领域的概述。我们提出了一种新的分类方法，将最先进的图神经网络分为四类，即递归图神经网络、卷积图神经网络、图自编码器和时空图神经网络。我们进一步讨论了图神经网络在各个领域的应用，并总结了图神经网络的开源代码、基准数据集和模型评估。最后，我们提出了这一快速发展领域的潜在研究方向。

Coursera作业 该存储库旨在帮助在学习过程中遇到困难的Coursera学习者。 测验和编程作业属于Coursera，请不要将其用于任何其他目的。 如有任何问题，请随时与我联系，我的电子邮件是 。 经济学院专业化高级机器学习 深度学习导论 Python数据科学导论 Python中的应用机器学习 大数据导论 大数据建模与管理系统 大数据交互与处理 文字检索和搜索引擎 文本挖掘和分析 数据挖掘中的模式发现 数据挖掘中的聚类分析 数据科学家的工具箱 R编程 获取和清理数据 算法工具箱 数据结构 图上的算法 字符串算法 神经网络与深度学习 改善深度神经网络的超参数调整，正则化和优化 构建机器学习项

Need to learn statistics for your job? Want help passing a statistics course? Statistics in a Nutshell is a clear and concise introduction and reference for anyone new to the subject. Thoroughly revised and expanded, this edition helps you gain a solid understanding of statistics without the numbing complexity of many college texts. Each chapter presents easy-to-follow descriptions, along with graphics, formulas, solved examples, and hands-on exercises. If you want to perform common statistical analyses and learn a wide range of techniques without getting in over your head, this is your book. Learn basic concepts of measurement and probability theory, data management, and research design Discover basic statistical procedures, including correlation, the t-test, the chi-square and Fisher’s exact tests, and techniques for analyzing nonparametric data Learn advanced techniques based on the general linear model, including ANOVA, ANCOVA, multiple linear regression, and logistic regression Use and interpret statistics for business and quality improvement, medical and public health, and education and psychology Communicate with statistics and critique statistical information presented by others

Data-science-and-complex-networks-real-cases-studies-with-Python.pdf

数据科学研讨会 这是出版的的资料库。 它包含从头到尾完成该课程所必需的所有支持项目文件。 要求和设置 要开始使用项目文件，您需要： 设定 关于数据科学研讨会 为您提供了开始从事各种数据科学项目所需的基本技能。 本书将逐步介绍数据科学项目的基本组成部分，然后将所有部分放在一起以巩固您的知识并在现实世界中应用您的知识。 您将学到什么 探索有监督学习与无监督学习之间的主要区别 使用scikit-learn和pandas库处理和分析数据 了解关键概念，例如回归，分类和聚类 探索先进的技术来提高模型的准确性 了解如何加快添加新功能的过程 简化您的机器学习工作流程以进行生产 相关工作坊 如果您发现此存储库很有用，则可能需要查看我们的其他一些研讨会标题： 应用TensorFlow和Keras研讨会

自1948年引入信息论以来，信息论已被证明在分析与压缩、存储和传输数据有关的问题方面起着重要作用。例如，信息论允许分析数据通信和压缩的基本限制，并在几十年的实际通信系统设计中发挥了作用。近年来，在使用信息理论方法解决数据压缩、数据通信和网络之外的问题方面出现了复兴，例如压缩感知、数据获取、数据分析、机器学习、图挖掘、社区检测、隐私和公平。在这本书中，我们探索了信号处理、机器学习、学习理论和统计的接口上的一系列广泛的问题，其中源自信息论的工具和方法可以提供类似的好处。几十年来，信息论在这一界面上的作用确实得到了承认。一个突出的例子是在1980年代使用互信息、度量熵和容量等信息理论量来建立估计的极大极小率。在这里，我们打算探索这个界面的现代应用，这些应用正在塑造21世纪的数据科学。 当然，标准信息理论工具与信号处理或数据分析方法之间有一些显著的差异。从整体上说，信息论倾向于关注渐近极限，使用大的块长度，并假设数据是由有限的比特数表示，并通过一个噪声信道观看。标准结果不关心复杂性，而是更多地关注通过可实现性和反向结果表征的基本限制。另一方面，一些信号处理技术，如采样理论，专注于离散时间表示

Python是访问、操作和从各种数据中获得见解的理想选择。Python for Data Science通过根植于实际示例和实践活动的边做边学的方法向您介绍Python的数据分析世界。您将学习如何编写Python代码来获取、转换和分析数据，为业务管理、市场营销和决策支持中的用例实践最先进的数据处理技术。 您将发现Python丰富的用于基本操作的内置数据结构集，以及用于数据科学的健壮的开源库生态系统，包括NumPy、pandas、scikit-learn、matplotlib等。这些示例展示了如何以各种格式加载数据，如何简化、分组和聚合数据集，以及如何创建图表、地图和其他可视化功能。后面的章节将深入展示真实世界的数据应用，包括使用位置数据为出租车服务提供动力，市场篮子分析来识别共同购买的商品，以及机器学习来预测股票价格。 这本书从数据处理和分析的概念介绍开始，解释一个典型的数据处理管道。然后，我们将介绍Python的内置数据结构和一些广泛用于数据科学应用程序的第三方Python库。接下来，我们将探讨用于获取、组合、聚合、分组、分析和可视化不同大小和数据类型的数据集的日益复杂的技术。随

Phormatics：使用AI最大化锻炼 F1：首页（GIF乍一看可能有点断断续续，但是我保证这是值得的） 创建人：Jason Chin 林查理 黄Huang ，胡文vin 项目开发了36个小时，专注于使用AI和计算机视觉来构建虚拟的个人健身教练。 能够将2D人体姿势估计与商品网络摄像头一起使用来评论您的表格并计算重复次数。 该项目获得了颁发的“最具启动性的黑客”奖。 二维人体姿势估计： f2：在繁忙环境中的生活姿势估计； 注意：此处用户已经过度伸展了右臂（图像已镜像），在这种哑铃式肩press式压力机变型中，该形式被认为是不好的形式，因此出现了消息。 姿势估计基于的 。 由开

数据会议 :clinking_beer_mugs: _ .- ' ) ( ' .( OO )_ ,--. .- ' ),-----. .- ' ),-----. ,--. ,--.) | | .- ' ) ( OO ' .-. ' ( OO ' .-. ' | `. ' | | | OO )/ | | | | / | | | ||