Skip to content

Felipe1990/AppliedML_Python_Coursera

BranchesTags
 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
.ipynb_checkpoints
.ipynb_checkpoints
 
 
Exercise
Exercise
 
 
Slides
Slides
 
 
__pycache__
__pycache__
 
 
readonly
readonly
 
 
.README.md.un~
.README.md.un~
 
 
2007GuideControlledExperiments.pdf
2007GuideControlledExperiments.pdf
 
 
Classifier Visualization.ipynb
Classifier Visualization.ipynb
 
 
Colour_source.png
Colour_source.png
 
 
CommViolPredUnnormalizedData.txt
CommViolPredUnnormalizedData.txt
 
 
Data_split.png
Data_split.png
 
 
Data_split_porp.png
Data_split_porp.png
 
 
KNN_explanation.png
KNN_explanation.png
 
 
KNN_explanation_2.png
KNN_explanation_2.png
 
 
KNN_explanation_3.png
KNN_explanation_3.png
 
 
KNN_explanation_4.png
KNN_explanation_4.png
 
 
KNN_explanation_5.png
KNN_explanation_5.png
 
 
KNN_regclass_1.png
KNN_regclass_1.png
 
 
KNN_regclass_2.png
KNN_regclass_2.png
 
 
KNN_regclass_3.png
KNN_regclass_3.png
 
 
KNN_regclass_4.png
KNN_regclass_4.png
 
 
KNN_regclass_5.png
KNN_regclass_5.png
 
 
KNN_regclass_6.png
KNN_regclass_6.png
 
 
Module 1.ipynb
Module 1.ipynb
 
 
Module 2.ipynb
Module 2.ipynb
 
 
Module 3.ipynb
Module 3.ipynb
 
 
Module 4.ipynb
Module 4.ipynb
 
 
P.Domingos_Communications _ACM_55_10_78.pdf
P.Domingos_Communications _ACM_55_10_78.pdf
 
 
README.md
README.md
 
 
README.md~
README.md~
 
 
Scikit_Learn_Cheat_Sheet_Python.pdf
Scikit_Learn_Cheat_Sheet_Python.pdf
 
 
Unsupervised Learning.ipynb
Unsupervised Learning.ipynb
 
 
addresses.csv
addresses.csv
 
 
adspy_shared_utilities.py
adspy_shared_utilities.py
 
 
adspy_shared_utilities_original_Jul12.py
adspy_shared_utilities_original_Jul12.py
 
 
classification_report.png
classification_report.png
 
 
fraud_data.csv
fraud_data.csv
 
 
fruit_data_with_colors.txt
fruit_data_with_colors.txt
 
 
latlons.csv
latlons.csv
 
 
module2_1.png
module2_1.png
 
 
module2_2.png
module2_2.png
 
 
module2_3.png
module2_3.png
 
 
module2_4.png
module2_4.png
 
 
module2_5.png
module2_5.png
 
 
module2_6.png
module2_6.png
 
 
module2_7.png
module2_7.png
 
 
module2_8.png
module2_8.png
 
 
module2_9.png
module2_9.png
 
 
module2_LCSVM_1.png
module2_LCSVM_1.png
 
 
module2_LCSVM_2.png
module2_LCSVM_2.png
 
 
module2_LCSVM_3.png
module2_LCSVM_3.png
 
 
module2_LCSVM_4.png
module2_LCSVM_4.png
 
 
module2_LCSVM_5.png
module2_LCSVM_5.png
 
 
module2_LCSVM_6.png
module2_LCSVM_6.png
 
 
module2_LCSVM_6_0.png
module2_LCSVM_6_0.png
 
 
module2_LCSVM_7.png
module2_LCSVM_7.png
 
 
module2_crossvalidation_1.png
module2_crossvalidation_1.png
 
 
module2_crossvalidation_2.png
module2_crossvalidation_2.png
 
 
module2_crossvalidation_3.png
module2_crossvalidation_3.png
 
 
module2_crossvalidation_4.png
module2_crossvalidation_4.png
 
 
module2_crossvalidation_5.png
module2_crossvalidation_5.png
 
 
module2_crossvalidation_6.png
module2_crossvalidation_6.png
 
 
module2_linear_1.png
module2_linear_1.png
 
 
module2_linear_2.png
module2_linear_2.png
 
 
module2_linear_3.png
module2_linear_3.png
 
 
module2_linear_4.png
module2_linear_4.png
 
 
module2_linear_5.png
module2_linear_5.png
 
 
module2_linear_6_0.png
module2_linear_6_0.png
 
 
module2_linear_6_1.png
module2_linear_6_1.png
 
 
module2_linear_6_2.png
module2_linear_6_2.png
 
 
module2_linear_7.png
module2_linear_7.png
 
 
module2_linear_8.png
module2_linear_8.png
 
 
module2_logregre_1.png
module2_logregre_1.png
 
 
module2_logregre_2.png
module2_logregre_2.png
 
 
module2_logregre_3.png
module2_logregre_3.png
 
 
module2_logregre_4.png
module2_logregre_4.png
 
 
module2_logregre_5.png
module2_logregre_5.png
 
 
module2_logregre_6.png
module2_logregre_6.png
 
 
module2_logregre_7.png
module2_logregre_7.png
 
 
module2_logregre_8.png
module2_logregre_8.png
 
 
module2_multiclass_1.png
module2_multiclass_1.png
 
 
module2_multiclass_2.png
module2_multiclass_2.png
 
 
module2_multiclass_3.png
module2_multiclass_3.png
 
 
module2_overffiting_1.png
module2_overffiting_1.png
 
 
module2_overffiting_2.png
module2_overffiting_2.png
 
 
module2_overffiting_3.png
module2_overffiting_3.png
 
 
module2_overffiting_4.png
module2_overffiting_4.png
 
 
module2_riglasspoly_1.png
module2_riglasspoly_1.png
 
 
module2_riglasspoly_10.png
module2_riglasspoly_10.png
 
 
module2_riglasspoly_2.png
module2_riglasspoly_2.png
 
 
module2_riglasspoly_3.png
module2_riglasspoly_3.png
 
 
module2_riglasspoly_4.png
module2_riglasspoly_4.png
 
 
module2_riglasspoly_5.png
module2_riglasspoly_5.png
 
 
module2_riglasspoly_6.png
module2_riglasspoly_6.png
 
 
module2_riglasspoly_7.png
module2_riglasspoly_7.png
 
 
module2_riglasspoly_8.png
module2_riglasspoly_8.png
 
 
module2_riglasspoly_9.png
module2_riglasspoly_9.png
 
 
module2_supervise_0.png
module2_supervise_0.png
 
 
module2_supervise_1.png
module2_supervise_1.png
 
 
module2_supervise_2.png
module2_supervise_2.png
 
 

Repository files navigation

Coursera: Applied Machine Learning in Python (Kevyn Collins-Thompson)

This repo contains the jupyter notebooks of the course. I also included the notes and slides presented. I need to compleate notes of week 4. The assigment section will be completed in the future.

About

Material and note of the course of Applied ML in Python

Resources

Readme
Activity

Stars

0 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages

  • Jupyter Notebook 99.9%
  • Python 0.1%