Data Science Projects

This repository contains a collection of machine learning and deep learning projects organized by categories.

Data-Science/
├── ML
│   ├── Classification
│   │   ├── AirLine Passenge Satisfaction
│   │   │   ├── .ipynb_checkpoints
│   │   │   │   └── Airline-Passenger-Satisfaction-checkpoint.ipynb
│   │   │   ├── Airline-Passenger-Satisfaction.ipynb
│   │   │   └── README.md
│   │   ├── Bank Customer Churn Prediction
│   │   │   ├── README.md
│   │   │   ├── bank-customer-churn-prediction-0-891-auc-score.ipynb
│   │   │   ├── image.png
│   │   │   └── output.png
│   │   ├── Titanic
│   │   │   ├── .ipynb_checkpoints
│   │   │   │   └── Titanic-checkpoint.ipynb
│   │   │   └── Titanic.ipynb
│   │   └── Titanic V2.0 Advanced Techniques
│   │       ├── README.md
│   │       ├── Titanic- Advanced Techniques-(Accuracy~80).ipynb
│   │       ├── image-1.png
│   │       └── image.png
│   └── Regression
│       └── Cost Predictions
│           ├── .ipynb_checkpoints
│           │   └── Cost Predictions -checkpoint.ipynb
│           └── Cost Predictions .ipynb
├── DL
│   └── Image Classification
│       └── Cats and Dogs
│           └── Code.ipynb
├── Educational
│   └── Hands-On-Machine-Learning
│       ├── CH10 Introduction to Artificial Neural Networks with Keras
│       │   ├── ANN_functional1.png
│       │   ├── ANN_functional2png.png
│       │   ├── Exercises
│       │   │   ├── pratical_mnist_project.ipynb
│       │   │   └── thoery.md
│       │   ├── Introduction to Artificial Neural Networks with Keras.ipynb
│       │   └── model.png
│       ├── CH11 Training Deep Neural Networks
│       │   ├── Exercises
│       │   │   ├── practical.ipynb
│       │   │   └── theory.ipynb
│       │   └── notebook.ipynb
│       ├── CH12 Custom Models and Training with TensorFlow
│       │   ├── Exercises
│       │   │   ├── practical_1.ipynb
│       │   │   ├── practical_2.ipynb
│       │   │   └── theory.ipynb
│       │   └── notebook.ipynb
│       ├── CH13 Loading and Preprocessing Data with TensorFlow
│       │   ├── Exercises
│       │   │   ├── practical.ipynb
│       │   │   ├── practical_2.ipynb
│       │   │   └── theory.ipynb
│       │   └── notebook.ipynb
│       ├── CH14 Deep Computer Vision Using Convolutional Neural Networks
│       │   ├── Digit-Recognizer-APP
│       │   ├── Exercises
│       │   │   ├── Images
│       │   │   │   └── conv net.jpg
│       │   │   ├── beans-leafs-diaster-classification.ipynb
│       │   │   ├── practical_Q9.ipynb
│       │   │   └── theory.md
│       │   └── notebook.ipynb
│       ├── CH15 Processing Sequences Using RNNs and CNNs
│       │   ├── Exercises
│       │   │   ├── Classification_of_Sequences_with_quickdraw_dataset.ipynb
│       │   │   ├── lstm.png
│       │   │   └── theory.md
│       │   ├── datasets
│       │   │   ├── ridership
│       │   │   │   └── CTA_-_Ridership_-_Daily_Boarding_Totals.csv
│       │   │   └── ridership.tgz
│       │   └── notebook.ipynb
│       ├── CH16 Natural Language Processing with RNNs and Attention
│       │   ├── models
│       │   │   └── shakespeare_model.keras
│       │   └── notebook.ipynb
│       ├── CH2 End-to-End Machine Learning Project
│       │   ├── Exercises.ipynb
│       │   ├── Housing_Project.ipynb
│       │   └── images
│       │       └── end_to_end_project
│       │           └── district_cluster_plot.png
│       ├── CH3 Classification
│       │   ├── Exercises
│       │   │   ├── .ipynb_checkpoints
│       │   │   │   └── Titanic V2-checkpoint.ipynb
│       │   │   ├── Reach97andAugmentation.ipynb
│       │   │   ├── Titanic V2.ipynb
│       │   │   └── titanic-classificat (2).ipynb
│       │   └── mnist.ipynb
│       ├── CH4 Training Models
│       │   ├── Exercises.ipynb
│       │   ├── GradienDescent.ipynb
│       │   ├── LogisticRegression.ipynb
│       │   ├── NormalEquation.ipynb
│       │   ├── PolynomialRegression.ipynb
│       │   └── Regularization.ipynb
│       ├── CH5 Support Vector Machines
│       │   ├── Exercises
│       │   │   └── Exercises_notebook.ipynb
│       │   └── notebook.ipynb
│       ├── CH6 Decision Trees
│       │   ├── Exercises
│       │   │   └── Exercises_notebook.ipynb
│       │   ├── notebook.ipynb
│       │   ├── regression_tree.dot
│       │   ├── tree.dot
│       │   ├── tree3Regularized.dot
│       │   ├── treePure.dot
│       │   └── tree_withoutR.dot
│       ├── CH7 Ensemble Learning and Random Forests
│       │   ├── Exercises
│       │   │   ├── Exercises_practical.ipynb
│       │   │   └── Exercises_theory.ipynb
│       │   ├── decision stumps.png
│       │   └── notebook.ipynb
│       ├── CH8 Dimensionality Reduction
│       │   ├── Exercises
│       │   │   ├── practical.ipynb
│       │   │   ├── practical2.ipynb
│       │   │   └── theory.md
│       │   └── notebook.ipynb
│       ├── CH9 Unsupervised Learning Techniques
│       │   ├── Exercises
│       │   │   ├── practical.ipynb
│       │   │   └── theory.md
│       │   ├── ladybug.png
│       │   └── notebook.ipynb
│       └── Ch1 Machine Learning Landscape
│           └── Exercises.md
├── .github
│   └── workflows
│       └── update_readme.yml
├── .gitignore
├── .gitmodules
├── Analysis
│   ├── Automobile
│   │   └── Automobil EDA.ipynb
│   └── Candy Hierarchy
│       └── Candy Data Cleaning and Visualization.ipynb
├── README.md
├── requirements.txt
└── update_readme.py