asiya-z Goto Github PK

2020_icesat-2_hackweek_tutorials

Combined repository for the final tutorial material presented at the 2020 ICESat-2 Cryosphere-themed Hackweek presented virtually by the University of Washington.

ai2es_xai_course

Notebooks for AI2ES (NSF Institute for Research on Trustworthy Artificial Intelligence in Weather, Climate, and Coastal Oceanography) short course on XAI (explainable artificial intelligence).

ai4em_mooc

arcticr

bdi_inla

An Introduction to Spatial Analysis using INLA

cc-10-datavis2

Data visualisation and customising your figures

cc-qualit

Analysing ordinal data, surveys, and count data

course_geodata

coursera_ml_da_specialization

Coursera Specialization: Machine Learning and Data Analysis (Yandex & MIPT)

dbda-python

Doing Bayesian Data Analysis, 2nd Edition (Kruschke, 2015): Python/PyMC3 code

deep-learning-for-earth-observation

Application of deep learning for earth observation.

deep_learning_masha_book

deep_learning_school

Решения домашних заданий продвинутого потока курса "Deep Learning" Школы глубокого обучения ФПМИ МФТИ

deployml_course

Репозиторий для открытого курса «Промышленная эксплуатация моделей машинного обучения»

dplyr

dplyr: A grammar of data manipulation

dvm-dos-tem

A process based Dynamic Vegetation, Dynamic Organic Soil, Terrestrial Ecosystem Model.

earthengine-api

Python and JavaScript bindings for calling the Earth Engine API.

gbifworkshop2020

Подготовка данных для публикации в Глобальной информационной системе о биоразнообразии GBIF: практический семинар для начинающих. Курс на III научной конференции "Информационные технологии в исследовании биоразнообразия".

gdal_ogr_python_workshop_2021

Репозиторий для мастер-класса по базовому использованию GDAL/OGR в Python для #спбгеотех

geemap

A Python package for interactive mapping with Google Earth Engine, ipyleaflet, and ipywidgets.

getting-started-with-web-components

Getting Started with Web Components, published by Packt

handson-ml3

A series of Jupyter notebooks that walk you through the fundamentals of Machine Learning and Deep Learning in Python using Scikit-Learn, Keras and TensorFlow 2.

intro-terra-ecodatascience

Introduction to using the R package terra for raster spatial data manipulation

islr-ru

Приложения к книге "Введение в статистическое обучение с примерами на языке R"

lessons

lt-gee

Google Earth Engine implementation of the LandTrendr spectral-temporal segmentation algorithm. For documentation see:

mathandpythonfordataanalysis

Репозиторий для материалов и задач курса "Математика и Python для анализа данных" от МФТИ и Яндекса, платформа Coursera. Это первый цикл специализации "Машинное обучение и анализ данных""

ml-algorithms-from-scratch.-course-for-beginners

ml-course

Open Machine Learning course

ml-course-hse

Машинное обучение на ФКН ВШЭ