-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathindex.html
More file actions
652 lines (482 loc) · 14.6 KB
/
Copy pathindex.html
File metadata and controls
652 lines (482 loc) · 14.6 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
<title>reveal.js</title>
<link rel="stylesheet" href="css/reveal.css">
<link rel="stylesheet" href="css/theme/black.css">
<!-- Theme used for syntax highlighting of code -->
<link rel="stylesheet" href="lib/css/zenburn.css">
<!-- Printing and PDF exports -->
<script>
var link = document.createElement( 'link' );
link.rel = 'stylesheet';
link.type = 'text/css';
link.href = window.location.search.match( /print-pdf/gi ) ? 'css/print/pdf.css' : 'css/print/paper.css';
document.getElementsByTagName( 'head' )[0].appendChild( link );
</script>
</head>
<body>
<div class="reveal">
<div class="slides">
<section data-markdown><script type="text/template">
# Data Science en Python
### Una guía de proyectos y herramientas
#### Rafael Carrascosa - Machinalis
#### PyConAr 2016
Note:
- Soy de Córdoba.
- Apasionado del machine learning.
- +5 años experiencia industrial machine learning en python.
- Laburo con un tremendo equipo de profesionales en machinalis.
- Chivo: Si te gusta lo que ves en la charla, tal vez te gustaría trabajar en machinalis, buscanos despues de la charla
</script></section>
<section data-markdown><script type="text/template">
## Outline
- El mundo pydata
- Libs core
- Libs específicas:
- Visualización
- Machine Learning
- Natural Language Processing
- Image Processing
- High Performance Computing
- Deep Learning
- Misc scientific
Note:
- Objetivo: Que a nadie se le escape un proyecto establecido.
- Disclaimer: Incompleta.
- Disclaimer: Importancia extremadamente subjetiva.
</script>
</section>
<section data-markdown><script type="text/template">
## Pydata
- Conferencias por todo el mundo.
- Comunidad muy activa, buena gente.
- Existe scipy, similar pero distinto.
- Pueden ver videos en youtube.
- Pueden ir irl.
Note:
- Quiero que sepan que existe PyData.
- El ecosistema es GIGANTE.
- En los últimos 6 meses han hecho almenos 4.
- El material que presento es de ese ambiente.
- Mucho impulso del sector privado, p.ej. Continuum Analytics.
</script></section>
<section data-markdown><script type="text/template">
## Core
- Libs fundamentales del ambiente pydata.
- Libs:
- numpy
- jupyter/ipython
- matplotlib
- scipy
- pandas
- Obligatorio hacer el tutorial de cada una de ellas.
Note:
- No reinventen la rueda aca.
</script></section>
<section data-markdown><script type="text/template">
## Core: numpy
Arrays n-dimensionales y sus operaciones.
- Memory footprint mínimo.
- Corre a velocidad C.
- API muy poderosa.
- Todas las operaciones de vectores que quieras.
- Batteries included: random, fft, etc.
- **Todo** esta integrado con numpy.
Note:
- Proyecto fundamental, fundacional.
- 1-array, 2-matrix, 3-tensor, etc.
- No reinventar la rueda.
</script></section>
<section data-markdown><script type="text/template">
## Core: numpy
Ejemplo de la API de numpy
```python
# Crear un array numpy
X = numpy.array([-1, 0, 1, 2, 3])
# Escalar por una constante punto a punto
X = X * 1.23
# Exponencial punto a punto
X = X.exp(3)
# Multiplicación de vectores (o matrices)
Z = X.dot(Y)
# Array más pequeño con todos los elementos menores a 0
X = X[X < 0]
```
</script></section>
<section data-markdown><script type="text/template">
## Core: jupyter notebook
Intérprete interactivo python en el browser
- [Demo](http://localhost:8888/notebooks/demo.ipynb)
- Permite ejecutar en bloques (snippets)
- Es stateful (intérprete interactivo)
- Visualizaciones
- Markdown
Note:
- Ideal para explorar ideas sobre datos
- Se usan como docuementación
</script></section>
<section data-markdown><script type="text/template">
## Core: matplotlib
Lib de visualización
- Standard de facto.
- Copia el estilo de MATLAB.
- Es vieja, desde 2003.
- La documentación **apesta**.
- Si te movés de la receta perdés horas.
Note:
- Es vieja, es un monstruo, poco intuitivo, poco pythonico. Es el default.
</script></section>
<section data-markdown><script type="text/template">
## Core: matplotlib
Line
```python
...
pylab.plot(x, y, ...) # Listas con coordenadas x e y.
...
```
</script></section>
<section data-markdown><script type="text/template">
## Core: matplotlib
Histogram
```python
...
pylab.hist(x, ...) # x == lista de valores crudos
...
```
</script></section>
<section data-markdown><script type="text/template">
## Core: matplotlib
Scatter plot
```python
...
pylab.scatter(x, y, ...) # Listas con coordenadas x e y.
...
```
</script></section>
<section data-markdown><script type="text/template">
## Core: matplotlib
Y mucho más...
</script></section>
<section data-markdown><script type="text/template">
## Core: scipy
Lib para ciencia en general
- Lib fundamental. Se basa en numpy.
- Utilidades de muchas disciplinas.
- Muy amplia.
- Totally underrated.
- Vale la pena sentarse a leer el índice.
Note:
- Sub utilizada por el pythonista de a pie.
</script></section>
<section data-markdown><script type="text/template">
## Core: scipy
Qué se puede hacer:
- Funciones estadísticas
- Álgebra lineal
- Matrices ralas
- Clustering
- Procesamiento de imágenes multidimensionales
- Transformada discreta de Fourier
- Integración numérica
- Interpolación
- Algoritmos espaciales
</script></section>
<section>
<h2> Core: scipy </h2>
<p>Es tan completa que tiene a</p>
<code>scipy.misc.face</code>
<p class="fragment">Get a 1024 x 768, color image of a raccoon face.</p>
<img class="fragment" src="raccoon.png">
<img class="fragment" src="true.png">
</section>
<section data-markdown><script type="text/template">
## Core: pandas
Lib para datos tabulares + operaciones, todas
- Popular desde ~2012.
- Implementa tablas numéricas (2D).
- Muy eficiente.
- Muy completa.
- Un swiss army knife (aka el cuchillito de McGiver).
Note:
- El pibe nuevo del equipo core
- Implementa TODO
</script></section>
<section data-markdown><script type="text/template">
## Core: pandas
I/O, parsea lo que le tires:
```python
# Lee un csv gzippeado
table = pd.read_csv('foo.csv.gz')
# Lee un HDF5
table = pd.read_hdf('foo.h5')
# Lee un xlsx
table = pd.read_excel('foo.xlsx')
```
No le importa nada, es una lib mercenaria
</script></section>
<section data-markdown><script type="text/template">
## Core: pandas
Permite operaciones database-like
- Filtrado
- Join
- Groupby
- mucho mucho más:
- Visualizacion
- Manejo de datos faltantes
- Time series
- Etc.
</script></section>
<section data-markdown><script type="text/template">
## Core: pandas
```python
import numpy
from pandas.tools.plotting import scatter_matrix
df = pd.DataFrame(numpy.random.randn(1000, 4),
columns=['a', 'b', 'c', 'd'])
scatter_matrix(df, diagonal='kde')
```
</script></section>
<section data-markdown><script type="text/template">
## Viz: bokeh
- Compila a HTML+CSS+JS.
- Interactivo
- [Demo](http://bokeh.pydata.org/en/latest/docs/gallery/les_mis.html)
- Simple hackear para lograr interacción custom.
- Genial para:
- Explorar datos.
- Hacer analisis de error.
- Con: Un poco no-estandar.
</script></section>
<section data-markdown><script type="text/template">
## Viz: altair
- Compila a HTML+CSS+JS.
- Basada en VegaLite y D3.js.
- Comparte devs con scikit-learn.
- API declarativa, compacta, consisa.
- Estrella ascendente.
- Cons: No interactivo (por ahora).
Note:
- Python compila a spec en JSON
- spec JSON se grafica usando D3.js
- D3.js crece, Vega crece, altair crece.
</script></section>
<section data-markdown><script type="text/template">
## ML: scikit-learn
- Lib fundamental del machine learning en Python.
- Tiene **todo** menos redes neuronales.
- Gran win: La API
```python
model = make_pipeline(
CountVectorizer(), # Bag-of-words representation
TfidfTransformer(), # Tf-idf weights
TruncatedSVD(10), # Singular value decomposition
SVC() # SVM Classifier, rbf kernel
)
```
Un pipeline clásico de clasificación de texto
Note:
- Comentar qué es machine learning
- Nombrar ejemplo de machine learning
- Esta lib convirtio en comodity los algorimos de machine learning.
- Estoy tentado a decir que es core, pero tengo bias.
</script></section>
<section data-markdown><script type="text/template">
## ML: xgboost
Lib con un algoritmo de clasificación y regresión
- Muy exitoso, gana competencias.
- El clasificador por defecto desde ~2015.
- Lo que antes era 'le metemos una SVM', hoy es XGBoost.
Note:
- Si hacen machine learning y no lo habían usado: Vayan a usarlo.
- Kaggle lo adopto de la noche a la mañana, hoy es omnipresente.
</script></section>
<section data-markdown><script type="text/template">
## NLP: spaCy
- Desarrollo muy activo.
- Alta performance, muy rapido.
- Falta el español, pero estan en eso.
- Tareas:
- Tokenización
- Pos tagging (Sustantivo, verbo, adjetivo, etc.)
- Parsing (Sujeto directo, objeto directo, etc.)
- Entity recognition (Personas, Entidades, Lugares, etc.)
Note:
- Qué es procesamiento de lenguaje natural
- El proyecto más serio que anda dando vueltas.
- Si van a arrancar un proyecto que usa NLP no se queden sin mirar esto.
</script></section>
<section data-markdown><script type="text/template">
## NLP: gensim
- Modelado de tópicos.
- Similares: `Obama => {Bush, Clinton, ...}`
- Analogías: `Francia - Paris + Roma ~= Italia`
- Útil para sistemas de recomendación.
- Implementa: Latent semantic analysis.
- Implementa: `word2vec`
Note:
- Lo mas simple para tener `word2vec`.
</script></section>
<section data-markdown><script type="text/template">
## Image: scikit-image
- Standard de facto
- Bastante completa
- Buena doc
- Comunidad activa
- Recomendada para aprender
- Ej:
- Niveles, contraste, saturación, etc.
- Contornos, edge detection.
- Descriptores
- Segmentación
- Etc.
Note:
- Se centra en procesamiento, no tiene detección de nada
</script></section>
<section data-markdown><script type="text/template">
## Image: opencv
- Es una bolsa de algoritmos.
- Tiene cosas útiles para I/O de videos/imagenes
- Tiene cosas de detección.
- Documentación muy pobre.
- Deep learning la esta empujando al olvido.
- Fue lo mejorcito que había.
Note:
- Tiene un ejemplo de detección de caras que fue furor en internet muchos años
</script></section>
<section data-markdown><script type="text/template">
## HPC: dask
- Lib para computo distribuido
- API simple
- Compatible con numpy, pandas, etc.
- Conceptos: Client, Scheduler, Workers
```python
from distributed import Client
# Connects with the scheduler process
client = Client('127.0.0.1:8786')
# map some_function on data, over a cluster
result = client.submit(some_function, data)
```
Note:
- La división de responsabilidades similar celery
- La funcionalidad similar map-reduce
</script></section>
<section data-markdown><script type="text/template">
## HPC: pyspark
- Wrapper python para Apache Spark
- Alta integración con el ecosistema Hadoop:
- MLib
- Cassandra
- Etc.
- Con: La idiosincrasia Hadoop no pythonica
- Pro: Tenes acceso al gigantesco mundo de Hadoop
Note:
- Java
</script></section>
<section data-markdown><script type="text/template">
## Deep Learning: Keras
- Lib de alto nivel.
- Excelente API.
- Buen lugar para comenzar con deep learning.
```python
model = Sequential([
Convolution2D(128, 3, 3, input_shape=(1, 28, 28)),
MaxPooling2D(pool_size=(2, 2)),
Convolution2D(64, 3, 3),
MaxPooling2D(pool_size=(2, 2)),
Flatten(),
Dense(output_dim=128, activation="tanh"),
Dense(output_dim=10, activation="softmax")
])
```
Note:
- Lo mejor de keras es la API.
- Mas alejada de la matemática
</script></section>
<section data-markdown><script type="text/template">
## Deep Learning: Tensorflow
- Lib de bajo nivel
- Cerca de la matemática
- Tiene alto soporte
- Se encamina a ser el backend de facto
- Totally overrated
Note:
- No me parece un buen lugar para empezar a aprender.
</script></section>
<section data-markdown><script type="text/template">
## Deep Learning: Lasagne
- Lib bajo nivel
- Basada en theano
- Facil de customizar
- Cerca de la matemática
- Poca documentación
- Poco soporte
Note:
- No me parece un buen lugar para empezar a aprender.
</script></section>
<section data-markdown><script type="text/template">
## Misc: Theano
Lib elemental para optimización numérica
- Ampliamente usada para deeplearning.
- Compila funciones a C.
- Permite ejecutar en CPU y GPU.
- Diferenciación simbólica/automática, optimización, etc.
- Es el pilar de muchas otras libs.
Note:
- Querrias usar theano cuando estas escribiendo tu propio machine learning y te hacen falta una derivada imposibles.
</script></section>
<section data-markdown><script type="text/template">
## Misc: Cython
Lenguaje python-like que compila a C
- Permite compilar módulos cython a C
- Esos módulos se importan en python normalmente
- El código corre mucho más rápido
- Bastante popular
</script></section>
<section data-markdown><script type="text/template">
## Misc: todo lo demás
- networkx: Todo sobre grafos.
- sympy: Calculo simbólico.
- pymc3: Markov-chain monte-carlo y amigos.
- statsmodels: Todo sobre estadistica.
- luigi, airflow: Flujos de datos complejos. Make high en espinaca.
- astropy: Todo sobre astronomia.
- Viz: seaborn, pygal, plot.ly, ggplot.
- blaze, xarray, pytables: Cuando pandas se queda chico.
- Anaconda, canopy, spyder: entornos python para data science.
</script></section>
<section data-markdown><script type="text/template">
# Fin
### Preguntas y comentarios bienvenidos!
</script></section>
</div>
</div>
<script src="lib/js/head.min.js"></script>
<script src="js/reveal.js"></script>
<script>
// More info https://github.com/hakimel/reveal.js#configuration
Reveal.initialize({
history: true,
transition: 'none',
transitionSpeed: 'fast',
// More info https://github.com/hakimel/reveal.js#dependencies
dependencies: [
{ src: 'plugin/markdown/marked.js' },
{ src: 'plugin/markdown/markdown.js' },
{ src: 'plugin/notes/notes.js', async: true },
{ src: 'plugin/highlight/highlight.js', async: true, callback: function() { hljs.initHighlightingOnLoad(); } }
]
});
</script>
</body>
</html>