Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/fga-eps-mds/2019.1-pylearner
Chabot para auxiliar novatos com Machine Learning utilizando o Jupyter Notebook
https://github.com/fga-eps-mds/2019.1-pylearner
chatbot jupyter-notebook machine-learning tutorial
Last synced: 12 days ago
JSON representation
Chabot para auxiliar novatos com Machine Learning utilizando o Jupyter Notebook
- Host: GitHub
- URL: https://github.com/fga-eps-mds/2019.1-pylearner
- Owner: fga-eps-mds
- License: mit
- Created: 2019-03-15T21:07:32.000Z (almost 6 years ago)
- Default Branch: master
- Last Pushed: 2019-07-12T14:08:25.000Z (over 5 years ago)
- Last Synced: 2024-12-17T16:23:18.843Z (2 months ago)
- Topics: chatbot, jupyter-notebook, machine-learning, tutorial
- Language: JavaScript
- Homepage: https://fga-eps-mds.github.io/2019.1-PyLearner/
- Size: 2.65 MB
- Stars: 1
- Watchers: 11
- Forks: 2
- Open Issues: 15
-
Metadata Files:
- Readme: README.md
- License: LICENSE
- Code of conduct: .github/CODE_OF_CONDUCT.md
- Roadmap: docs/roadmap/Roadmap-Arquiteto.md
Awesome Lists containing this project
README
Machine Learning Chatbot Assistant
[](http://opensource.org/licenses/MIT) [](https://travis-ci.com/pylearner-bot/pylearner-rasa)
O PyLearner surge com a ideia de ter um ambiente web que traga a comodidade de utilizar Jupyter Notebook sem instalar localmente na máquina e que possua também artifícios para ajudar iniciantes em Machine Learning. Para isso, desenvolvemos o chatbot Pyter que tira dúvidas recomenda conteúdos para o usuário estudar e faz demonstrações usando tutoriais.
- **Aprendizado.** Com o uso frequente do pyter para auxiliar em atividades de machine learning ou até mesmo para recomendar exercícios, você pode aprender muito!
- **Praticidade.** A junção do chat no jupyter torna muito mais tranquilo tirar as duvidas no ambiente em que já esta aprendendo.
- **Ajuda.** O Pyter não só te ajuda com dúvidas mas também com possíveis erros nas células do jupyter.
- **Tutoriais.** Os tutoriais são os exemplos mais clássicos em machine learning, para que o aluno possa ter uma experiencia de solucionar o seu primeiro problema de forma completa.
## Conteudos
- [Documentação](#-documentação)
- [Como usar?](#-como-usar)
- [Funções já implementadas](#-funções-implementadas)
- [Roadmap do projeto](#-roadmap-do-projeto)
- [Codigo de Conduta](#-código-de-conduta)
- [Licença](#-licença)
## Funções implementadas
As principais habilidades do _Pyter_ são:
* Pré-processamento de dados.
- [x] Importação de dados [(Pandas)](https://pandas.pydata.org/)
- [x] Tratamento de dados [(Pandas)](https://pandas.pydata.org/), [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
* Modelagem.
- [x] Aprendizado supervisionado [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
- [x] Generalized Linear Models
- [x] Logistic regression
- [x] Support Vector Machines
- [x] Classification
- [x] Stochastic Gradient Descent
- [x] Classification
- [x] Nearest Neighbors
- [x] Nearest Neighbors Classification
- [x] Naive Bayes
- [x] Gaussian Naive Bayes
- [x] Decision Trees
- [x] Classification
- [x] Aprendizado não-supervisionado [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
* Visualização.
- [x] Visualização de dados [(Matplotlib)](https://matplotlib.org/), [(Seaborn)](https://seaborn.pydata.org/)
- [x] Visualização de resultados [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
* Tutorial.
- [x] Iris Flower [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
- [x] MNIST [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
- [x] Titanic [(SciKit Learn)](https://scikit-learn.org/stable/modules/preprocessing.html)
* Sugestões de conteúdo.
- [x] Espaços de conteúdos [(Medium)](https://medium.com/), [(TowardsDataScience)](https://towardsdatascience.com/), [(Kaggle)](https://kaggle.com)
- [x] Fórum [(Cross Validated)](https://stats.stackexchange.com/), [(Artificial Intelligence StackExchange)](https://ai.stackexchange.com/)
## Como usar
Clone o repositório:
```sh
git clone https://github.com/fga-eps-mds/2019.1-PyLearner.git
```
Suba o contêiner. (`sudo` pode ser necessário)
```sh
docker-compose up --build
```
Acesse o jupyter notebook em http://localhost:8888/
## Roadmap do projeto
Você pode aprender mais sobre nossa visão dando uma olhada no nosso [Roadmap](https://fga-eps-mds.github.io/2019.1-PyLearner/roadmap/Roadmap-Projeto/)
## Código de Conduta
Nós adotamos um [Código de Conduta](https://github.com/pylearner-bot/pylearner-rasa/blob/master/.github/CODE_OF_CONDUCT.md) que esperamos que os participantes do projeto sigam. Por favor, leia o texto completo para que você possa entender quais ações serão e quais não serão toleradas.
## Licença
Este projeto está licenciado sob a [Licença](https://github.com/pylearner-bot/pylearner-rasa/blob/master/LICENSE) MIT.
Os direitos autorais nos arquivos de definição são respectivos de cada colaborador listado no início de cada arquivo de definição
### Veja o [post mortem](https://github.com/fga-eps-mds/2019.1-PyLearner/blob/master/docs/post_mortem.md) do projeto
## Ferramentas utilizadas em desenvolvimento
## Ferramentas ensinadas pelo Pyter
## Conteúdos recomendados por Pyter
## Contributors
Thanks goes to these wonderful people ([emoji key](https://allcontributors.org/docs/en/emoji-key)):
Gabriel Ziegler
📖
Davi Alves
📖
Bruno Duarte
📖
Eugenio Sales Siqueira
📖
Thiago Ferreira
📖
Ernando Braga
📖
Álex Porto
📖
Joao Victor de Oliveira Matos
📖
Carlos Aragon
📖
This project follows the [all-contributors](https://github.com/all-contributors/all-contributors) specification. Contributions of any kind welcome!