gitextract_0i39_wbo/

├── .gitattributes
├── .gitignore
├── LICENSE
├── README.md
├── __init__.py
├── analyses/
│   ├── __init__.py
│   ├── churn.ipynb
│   └── churn_measurements.py
├── aws/
│   ├── __init__.py
│   └── aws.ipynb
├── commands/
│   ├── __init__.py
│   ├── linux.ipynb
│   ├── misc.ipynb
│   └── styles/
│       └── custom.css
├── data/
│   ├── churn.csv
│   ├── ozone.csv
│   ├── ozone_copy.csv
│   └── titanic/
│       ├── genderclassmodel.csv
│       ├── genderclassmodel.py
│       ├── gendermodel.csv
│       ├── gendermodel.py
│       ├── myfirstforest.py
│       ├── results-rf.csv
│       ├── test.csv
│       └── train.csv
├── deep-learning/
│   ├── deep-dream/
│   │   └── dream.ipynb
│   ├── keras-tutorial/
│   │   ├── 0. Preamble.ipynb
│   │   ├── 1.1 Introduction - Deep Learning and ANN.ipynb
│   │   ├── 1.2 Introduction - Theano.ipynb
│   │   ├── 1.3 Introduction - Keras.ipynb
│   │   ├── 1.4 (Extra) A Simple Implementation of ANN for MNIST.ipynb
│   │   ├── 2.1 Supervised Learning - ConvNets.ipynb
│   │   ├── 2.2.1 Supervised Learning - ConvNet HandsOn Part I.ipynb
│   │   ├── 2.2.2 Supervised Learning - ConvNet HandsOn Part II.ipynb
│   │   ├── 2.3 Supervised Learning - Famous Models with Keras.ipynb
│   │   ├── 3.1 Unsupervised Learning - AutoEncoders and Embeddings.ipynb
│   │   ├── 3.2 RNN and LSTM.ipynb
│   │   ├── 3.3 (Extra) LSTM for Sentence Generation.ipynb
│   │   ├── 4. Conclusions.ipynb
│   │   ├── LICENSE
│   │   ├── data/
│   │   │   ├── female_blog_list.txt
│   │   │   ├── intro_to_ann.csv
│   │   │   ├── male_blog_list.txt
│   │   │   ├── rt-polarity.neg
│   │   │   └── rt-polarity.pos
│   │   ├── data_helpers.py
│   │   ├── deep-learning-osx.yml
│   │   ├── deep-learning.yml
│   │   ├── deep_learning_models/
│   │   │   ├── LICENSE
│   │   │   ├── README.md
│   │   │   ├── imagenet_utils.py
│   │   │   ├── resnet50.py
│   │   │   ├── vgg16.py
│   │   │   └── vgg19.py
│   │   ├── outline.md
│   │   ├── solutions/
│   │   │   ├── sol_111.py
│   │   │   └── sol_112.py
│   │   └── w2v.py
│   ├── tensor-flow-examples/
│   │   ├── Setup_TensorFlow.md
│   │   ├── input_data.py
│   │   ├── multigpu_basics.py
│   │   └── notebooks/
│   │       ├── 1_intro/
│   │       │   └── basic_operations.ipynb
│   │       ├── 2_basic_classifiers/
│   │       │   ├── linear_regression.ipynb
│   │       │   ├── logistic_regression.ipynb
│   │       │   └── nearest_neighbor.ipynb
│   │       ├── 3_neural_networks/
│   │       │   ├── alexnet.ipynb
│   │       │   ├── convolutional_network.ipynb
│   │       │   ├── multilayer_perceptron.ipynb
│   │       │   └── recurrent_network.ipynb
│   │       ├── 4_multi_gpu/
│   │       │   └── multigpu_basics.ipynb
│   │       └── 5_ui/
│   │           ├── graph_visualization.ipynb
│   │           └── loss_visualization.ipynb
│   ├── tensor-flow-exercises/
│   │   ├── 1_notmnist.ipynb
│   │   ├── 2_fullyconnected.ipynb
│   │   ├── 3_regularization.ipynb
│   │   ├── 4_convolutions.ipynb
│   │   ├── 5_word2vec.ipynb
│   │   ├── 6_lstm.ipynb
│   │   ├── Dockerfile
│   │   └── README.md
│   └── theano-tutorial/
│       ├── intro_theano/
│       │   ├── Makefile
│       │   ├── intro_theano.ipynb
│       │   ├── logistic_regression.ipynb
│       │   └── utils.py
│       ├── rnn_tutorial/
│       │   ├── Makefile
│       │   ├── lstm_text.ipynb
│       │   ├── lstm_text.py
│       │   ├── rnn_precompile.py
│       │   ├── simple_rnn.ipynb
│       │   └── synthetic.py
│       ├── scan_tutorial/
│       │   ├── scan_ex1_solution.py
│       │   ├── scan_ex2_solution.py
│       │   └── scan_tutorial.ipynb
│       └── theano_mlp/
│           └── theano_mlp.ipynb
├── images/
│   └── README.sketch
├── kaggle/
│   ├── __init__.py
│   └── titanic.ipynb
├── mapreduce/
│   ├── __init__.py
│   ├── mapreduce-python.ipynb
│   ├── mr_s3_log_parser.py
│   └── test_mr_s3_log_parser.py
├── matplotlib/
│   ├── 04.00-Introduction-To-Matplotlib.ipynb
│   ├── 04.01-Simple-Line-Plots.ipynb
│   ├── 04.02-Simple-Scatter-Plots.ipynb
│   ├── 04.03-Errorbars.ipynb
│   ├── 04.04-Density-and-Contour-Plots.ipynb
│   ├── 04.05-Histograms-and-Binnings.ipynb
│   ├── 04.06-Customizing-Legends.ipynb
│   ├── 04.07-Customizing-Colorbars.ipynb
│   ├── 04.08-Multiple-Subplots.ipynb
│   ├── 04.09-Text-and-Annotation.ipynb
│   ├── 04.10-Customizing-Ticks.ipynb
│   ├── 04.11-Settings-and-Stylesheets.ipynb
│   ├── 04.12-Three-Dimensional-Plotting.ipynb
│   ├── 04.13-Geographic-Data-With-Basemap.ipynb
│   ├── 04.14-Visualization-With-Seaborn.ipynb
│   ├── 04.15-Further-Resources.ipynb
│   ├── __init__.py
│   ├── matplotlib-applied.ipynb
│   ├── matplotlib.ipynb
│   └── tests/
│       └── __init__.py
├── misc/
│   ├── Algorithmia.ipynb
│   └── regex.ipynb
├── numpy/
│   ├── 02.00-Introduction-to-NumPy.ipynb
│   ├── 02.01-Understanding-Data-Types.ipynb
│   ├── 02.02-The-Basics-Of-NumPy-Arrays.ipynb
│   ├── 02.03-Computation-on-arrays-ufuncs.ipynb
│   ├── 02.04-Computation-on-arrays-aggregates.ipynb
│   ├── 02.05-Computation-on-arrays-broadcasting.ipynb
│   ├── 02.06-Boolean-Arrays-and-Masks.ipynb
│   ├── 02.07-Fancy-Indexing.ipynb
│   ├── 02.08-Sorting.ipynb
│   ├── 02.09-Structured-Data-NumPy.ipynb
│   ├── __init__.py
│   ├── numpy.ipynb
│   └── tests/
│       └── __init__.py
├── pandas/
│   ├── 03.00-Introduction-to-Pandas.ipynb
│   ├── 03.01-Introducing-Pandas-Objects.ipynb
│   ├── 03.02-Data-Indexing-and-Selection.ipynb
│   ├── 03.03-Operations-in-Pandas.ipynb
│   ├── 03.04-Missing-Values.ipynb
│   ├── 03.05-Hierarchical-Indexing.ipynb
│   ├── 03.06-Concat-And-Append.ipynb
│   ├── 03.07-Merge-and-Join.ipynb
│   ├── 03.08-Aggregation-and-Grouping.ipynb
│   ├── 03.09-Pivot-Tables.ipynb
│   ├── 03.10-Working-With-Strings.ipynb
│   ├── 03.11-Working-with-Time-Series.ipynb
│   ├── 03.12-Performance-Eval-and-Query.ipynb
│   ├── 03.13-Further-Resources.ipynb
│   ├── __init__.py
│   ├── pandas.ipynb
│   └── tests/
│       └── __init__.py
├── python-data/
│   ├── __init__.py
│   ├── datetime.ipynb
│   ├── files.ipynb
│   ├── functions.ipynb
│   ├── hello_world.txt
│   ├── logs.ipynb
│   ├── pdb.ipynb
│   ├── structs.ipynb
│   ├── structs_utils.ipynb
│   ├── tests/
│   │   ├── __init__.py
│   │   ├── test_transform_util.py
│   │   └── test_type_util.py
│   ├── transform_util.py
│   ├── type_util.py
│   └── unit_tests.ipynb
├── scikit-learn/
│   ├── __init__.py
│   ├── fig_code/
│   │   ├── ML_flow_chart.py
│   │   ├── __init__.py
│   │   ├── data.py
│   │   ├── figures.py
│   │   ├── helpers.py
│   │   ├── linear_regression.py
│   │   ├── scikit-learn.ipynb
│   │   ├── sgd_separator.py
│   │   └── svm_gui.py
│   ├── scikit-learn-gmm.ipynb
│   ├── scikit-learn-intro.ipynb
│   ├── scikit-learn-k-means.ipynb
│   ├── scikit-learn-linear-reg.ipynb
│   ├── scikit-learn-pca.ipynb
│   ├── scikit-learn-random-forest.ipynb
│   ├── scikit-learn-svm.ipynb
│   ├── scikit-learn-validation.ipynb
│   └── tests/
│       └── __init__.py
├── scipy/
│   ├── 2002FemPreg.dct
│   ├── __init__.py
│   ├── effect_size.ipynb
│   ├── first.py
│   ├── hypothesis.ipynb
│   ├── nsfg.py
│   ├── sampling.ipynb
│   ├── tests/
│   │   └── __init__.py
│   ├── thinkplot.py
│   └── thinkstats2.py
└── spark/
    ├── __init__.py
    ├── hdfs.ipynb
    └── spark.ipynb