gitextract_hamld7q0/

├── .gitignore
├── .prettierrc
├── FUNDING.yml
├── LICENSE
├── README.md
├── a-unified-theory-of-ai-in-biomedicine.md
├── a-unified-theory-of-ml-ai.md
├── books/
│   ├── an-introduction-to-statistical-learning-wtih-applications-in-python/
│   │   ├── README.md
│   │   ├── classification.md
│   │   ├── introduction.md
│   │   ├── linear-regression.md
│   │   ├── resampling-methods.md
│   │   ├── selection-and-regularization.md
│   │   └── statistical-learning.md
│   ├── deep-learning-for-biology/
│   │   ├── README.md
│   │   ├── learning-the-language-of-proteins.md
│   │   └── learning-the-logic-of-dna.md
│   ├── machine-learning-system-design/
│   │   ├── README.md
│   │   └── residual_analysis.ipynb
│   ├── mathematics-for-machine-learning/
│   │   └── README.md
│   ├── practical-statistics-for-data-scientists/
│   │   ├── README.md
│   │   ├── data-and-sampling-distributions.ipynb
│   │   └── practical-statistics-exploratory-data-analysis.ipynb
│   ├── reinforcement-learning/
│   │   └── README.md
│   └── understanding-deep-learning/
│       └── README.md
├── cancer/
│   └── README.md
├── careers/
│   └── README.md
├── courses/
│   ├── agentic-ai/
│   │   ├── README.md
│   │   ├── email-assistant.ipynb
│   │   ├── eval.ipynb
│   │   ├── external-evaluation.ipynb
│   │   ├── multi-agent-workflow.ipynb
│   │   ├── planning-with-code.ipynb
│   │   ├── reflection.ipynb
│   │   └── tools.ipynb
│   ├── ai-for-medicine/
│   │   └── ai-for-medical-diagnosis/
│   │       ├── README.md
│   │       ├── ai-for-medicine-densenet.ipynb
│   │       ├── ai-for-medicine-diagnosis-counting-labels-and-we.ipynb
│   │       ├── ai-for-medicine-patient-overlap-and-data-leakage.ipynb
│   │       ├── chest-x-ray-medical-diagnosis-with-deep-learning.ipynb
│   │       └── data-exploration-and-image-pre-processing.ipynb
│   ├── attention-in-transformers/
│   │   ├── README.md
│   │   ├── encoder-decoder-attention.ipynb
│   │   ├── masked-self-attention-pytorch.ipynb
│   │   ├── next-token-prediction.ipynb
│   │   ├── self-attention-pytorch.ipynb
│   │   ├── tokenization.ipynb
│   │   └── transformers-from-scratch.ipynb
│   ├── data-visualization/
│   │   ├── README.md
│   │   ├── bar-charts-and-heatmaps.ipynb
│   │   ├── choosing-plot-types-and-custom-styles.ipynb
│   │   ├── data-visualization-final-project.ipynb
│   │   ├── distributions.ipynb
│   │   ├── line-charts.ipynb
│   │   ├── scatter-plots.ipynb
│   │   └── seaborn.ipynb
│   ├── diffusion-models/
│   │   ├── README.md
│   │   ├── controlling-model-generation.ipynb
│   │   ├── ddim-vs-ddpm-faster-sampling.ipynb
│   │   ├── denoise-and-add-noise.ipynb
│   │   ├── diffusion_utilities.py
│   │   └── training-unet.ipynb
│   ├── gen-ai/
│   │   ├── README.md
│   │   ├── building-an-agent-with-langgraph.ipynb
│   │   ├── classifying-embeddings-with-keras.ipynb
│   │   ├── document-q-a-with-rag.ipynb
│   │   ├── embeddings-and-similarity-scores.ipynb
│   │   ├── evaluation-and-structured-output.ipynb
│   │   ├── fine-tuning-a-custom-model.ipynb
│   │   ├── function-calling-with-the-gemini-api.ipynb
│   │   ├── google-search-grounding.ipynb
│   │   └── prompt-engineering.ipynb
│   ├── genomic-data-science/
│   │   ├── algorithms-for-dna-sequencing/
│   │   │   ├── README.md
│   │   │   ├── fasta/
│   │   │   │   └── lambda_virus.fa
│   │   │   └── src/
│   │   │       ├── read_genome.py
│   │   │       └── reverse_complement.py
│   │   └── introduction-genomics/
│   │       ├── README.md
│   │       └── quizz-001.md
│   ├── introduction-to-deep-learning/
│   │   └── README.md
│   ├── introduction-to-machine-learning/
│   │   ├── README.md
│   │   ├── logistic-regression/
│   │   │   └── README.md
│   │   └── multilayer-perceptron/
│   │       └── README.md
│   ├── introduction-to-neural-networks-and-pytorch/
│   │   ├── 1D-tensor.ipynb
│   │   ├── 2D-tensor.ipynb
│   │   ├── README.md
│   │   ├── activation-functions-and-max-pooling-in-cnn.ipynb
│   │   ├── activation-functions-on-mnist.ipynb
│   │   ├── activation-functions.ipynb
│   │   ├── batch-normalization.ipynb
│   │   ├── best-practices-for-model-training.md
│   │   ├── cnn-for-small-image.ipynb
│   │   ├── computer-vision-with-pytorch.ipynb
│   │   ├── convolution-neural-network.ipynb
│   │   ├── convolutional-neural-network-for-anime-image-class.ipynb
│   │   ├── convolutional-neural-network-with-batch-normalization.ipynb
│   │   ├── core-neural-network-components.ipynb
│   │   ├── data-management-in-pytorch.ipynb
│   │   ├── deep-learning-with-pytorch.ipynb
│   │   ├── deep-neural-network-for-breast-cancer-classification.ipynb
│   │   ├── deep-neural-networks.ipynb
│   │   ├── deeper-neural-networks-with-nn-modulelist.ipynb
│   │   ├── derivatives.ipynb
│   │   ├── different-parameter-initialization.ipynb
│   │   ├── dropout-neural-net.ipynb
│   │   ├── dropout-regression.ipynb
│   │   ├── fashion-mnist.ipynb
│   │   ├── he-parameter-initialization.ipynb
│   │   ├── initialization-with-same-weights.ipynb
│   │   ├── linear-regression-training-one-parameter.ipynb
│   │   ├── linear-regression-training.ipynb
│   │   ├── linear_regression_model.ipynb
│   │   ├── linear_regression_with_multiple_outputs.ipynb
│   │   ├── logistic-regression-and-bad-initialization-value.ipynb
│   │   ├── logistic-regression-cross-entropy.ipynb
│   │   ├── logistic_regression.ipynb
│   │   ├── mini_batch_gradient_descent.ipynb
│   │   ├── mini_batch_gradient_descent_pytorch.ipynb
│   │   ├── mnist-softmax.ipynb
│   │   ├── mnist_vision_transform.ipynb
│   │   ├── momentum-with-polynomial-functions.ipynb
│   │   ├── multi-class-neural-networks-with-mnist.ipynb
│   │   ├── multiple-channel-convolution.ipynb
│   │   ├── multiple_linear_regression.ipynb
│   │   ├── multiple_linear_regression_training.ipynb
│   │   ├── neural-network-with-momentum.ipynb
│   │   ├── neural-network-with-multiple-neurons.ipynb
│   │   ├── neural-networks-with-multiple-hidden-layers.ipynb
│   │   ├── simple-convolutional-neural-network.ipynb
│   │   ├── small-neural-network.ipynb
│   │   ├── softmax-classifier-1d.ipynb
│   │   ├── stochastic_gradient_descent.ipynb
│   │   ├── training_and_validation_data.ipynb
│   │   ├── training_multiple_output_linear_regression.ipynb
│   │   ├── transform.ipynb
│   │   └── vision_transform.ipynb
│   ├── kaggle-intermdiate-ml/
│   │   ├── README.md
│   │   ├── categorical-variables.ipynb
│   │   ├── cross-validation.ipynb
│   │   ├── data-leakage.ipynb
│   │   ├── intro-house-pricing.ipynb
│   │   ├── missing-values.ipynb
│   │   ├── pipeline.ipynb
│   │   └── xgboost.ipynb
│   ├── kaggle-intro-to-ml/
│   │   ├── README.md
│   │   ├── explore-data.ipynb
│   │   ├── house-price-decision-tree-regressor.ipynb
│   │   ├── model-validation.ipynb
│   │   ├── random-forests.ipynb
│   │   └── underfitting-and-overfitting.ipynb
│   ├── language-modeling-from-scratch/
│   │   └── README.md
│   ├── machine-learning-for-health-predictions/
│   │   └── README.md
│   ├── machine-learning-with-python/
│   │   └── README.md
│   ├── math-for-machine-learning-with-python/
│   │   ├── 001-intro-to-equations.py
│   │   ├── 002-linear-equations.py
│   │   ├── 003-systems-of-equations.py
│   │   └── README.md
│   ├── ml-for-computational-biology/
│   │   └── README.md
│   ├── ml-in-healthcare/
│   │   └── README.md
│   ├── multimodal-machine-learning/
│   │   └── README.md
│   ├── pyspark/
│   │   └── learning_spark.ipynb
│   └── python/
│       ├── README.md
│       ├── booleans-and-conditionals.ipynb
│       ├── functions-and-getting-help.ipynb
│       ├── lists.ipynb
│       ├── loops-and-list-comprehensions.ipynb
│       ├── object-oriented-programming-in-python.ipynb
│       ├── strings-and-dictionaries.ipynb
│       ├── syntax-variables-and-numbers.ipynb
│       └── working-with-external-libraries.ipynb
├── interview-prep/
│   └── README.md
├── introduction/
│   ├── README.md
│   ├── data/
│   │   └── visualizing-data.ipynb
│   ├── matlab_plot/
│   │   ├── jupyter/
│   │   │   ├── 1.line_plot.ipynb
│   │   │   ├── 2.line_plot.ipynb
│   │   │   ├── 3.scatter_plot.ipynb
│   │   │   ├── 4.scatter_plot.ipynb
│   │   │   ├── 5.histogram.ipynb
│   │   │   ├── 6.histogram_bin.ipynb
│   │   │   ├── 7.labels.ipynb
│   │   │   ├── 8.ticks.ipynb
│   │   │   └── 9.scatter_size.ipynb
│   │   └── python/
│   │       ├── 1.line_plot.py
│   │       ├── 10.colors.py
│   │       ├── 11.grid.py
│   │       ├── 2.line_plot.py
│   │       ├── 3.scatter_plot.py
│   │       ├── 4.scatter_plot.py
│   │       ├── 5.histogram.py
│   │       ├── 6.histogram_bin.py
│   │       ├── 7.labels.py
│   │       ├── 8.ticks.py
│   │       └── 9.scatter_size.py
│   └── numpy/
│       ├── jupyter/
│       │   ├── 1.array.ipynb
│       │   ├── 2.array_calculation.ipynb
│       │   └── 3.array_calculation.ipynb
│       └── python/
│           ├── 1.array.py
│           ├── 10.matrix_calculation.py
│           ├── 11.matrix_first_column.py
│           ├── 12.statistics.py
│           ├── 13.statistics_2.py
│           ├── 2.array_calculation.py
│           ├── 3.array_calculation.py
│           ├── 4.boolean_array.py
│           ├── 5.homogeneous_array.py
│           ├── 6.array_slice.py
│           ├── 7.array_shape.py
│           ├── 8.array_shape.py
│           └── 9.matrix.py
├── learning-path.md
├── math.md
├── papers/
│   ├── alphafold/
│   │   └── README.md
│   ├── artificial-intelligence-in-healthcare-past-present-and-future/
│   │   └── README.md
│   ├── highly-accurate protein-structure-prediction-with-alphafold/
│   │   └── README.md
│   └── sybil-a-validated-deep-learning-model-to-predict-future-lung-cancer-risk-from-a-single-low-dose/
│       └── index.md
├── projects/
│   ├── biomedicine/
│   │   └── learning-the-language-of-proteins/
│   │       └── data/
│   │           ├── CAFA3_targets.tgz
│   │           └── CAFA3_training_data.tgz
│   ├── classification/
│   │   └── svc-decision-tree-classifiers.ipynb
│   ├── pytorch/
│   │   ├── pytorch-computer-vision-exercises.ipynb
│   │   ├── pytorch-computer-vision.ipynb
│   │   ├── pytorch-custom-datasets.ipynb
│   │   ├── pytorch-fundamentals.ipynb
│   │   └── pytorch-neural-network-classification.ipynb
│   ├── regression/
│   │   └── house-price-regression-model.ipynb
│   └── rnn/
│       └── recurrent-neural-network-regression.ipynb
├── research/
│   ├── README.md
│   └── ideas.md
├── rosalind/
│   ├── README.md
│   ├── cons.py
│   ├── dna.py
│   ├── fib.py
│   ├── fibd.py
│   ├── gc.py
│   ├── hamm.py
│   ├── iev.py
│   ├── iprb.py
│   ├── prob.py
│   ├── prot.py
│   ├── prtm.py
│   ├── revc.py
│   ├── rna.py
│   └── subs.py
└── skills.md