jarorid Goto Github PK

advancedmethodsdataanalysisclass

analisiscanciones

autoemail

Este proyecto permite enviar correos electrónicos personalizados utilizando datos de un archivo CSV y enriquecidos con contenido HTML, incluyendo imágenes embebidas. Se utiliza Python y la biblioteca `win32com.client` para interactuar con Outlook.

awesome-datascience

:memo: An awesome Data Science repository to learn and apply for real world problems.

brew

This is a project in vuejs. Where you can visualization of list of brews on Arizona map.

category_encoders

A library of sklearn compatible categorical variable encoders

datasciencecoursera

This is my repository for the data science course in Coursera.

datasharing

The Leek group guide to data sharing

doc

experto

flask_lab

hands-on-programming-with-r

herramientas-computacionales-para-analisis-de-datos

Repositorio con los notebooks de la materia de herramientas computaciones para el análisis de datos de la maestría.

jarorid

Config files for my GitHub profile.

kagglechocolate

mejorandogit

Ejercicio principal del curso de Git y GitHub

mineria-de-datos

mineria_spotify

El propósito de este análisis es determinar las propiedades que hacen que una canción se posicione entre las mejores del año en la aplicación Spotify, las diferencias que presentan entre ellas (en sus características) y realizar un comparativo entre el top del mundo y el top de Colombia.

mis_herramientas

Se encuentran pequeños programas que son de utilidad en el desarrollo de diferentes proyectos.

neuron_poker

Texas holdem OpenAi gym poker environment with reinforcement learning based on keras-rl. Includes virtual rendering and montecarlo for equity calculation.

p2modelosavanzados1

p3_modelosavanzados

practicalmachinelearningclass

prueba

prueba_rstudio

Repositorio Creado para probar la conectividad con RStudio

serie-de-tiempo---giros-pagados

stockpredictionai

In this noteboook I will create a complete process for predicting stock price movements. Follow along and we will achieve some pretty good results. For that purpose we will use a Generative Adversarial Network (GAN) with LSTM, a type of Recurrent Neural Network, as generator, and a Convolutional Neural Network, CNN, as a discriminator. We use LSTM for the obvious reason that we are trying to predict time series data. Why we use GAN and specifically CNN as a discriminator? That is a good question: there are special sections on that later.

tagging_bogota