camiloaguilar Goto Github PK

amazon-rekognition-video-analyzer

A working prototype for capturing frames off of a live MJPEG video stream, identifying objects in near real-time using deep learning, and triggering actions based on an objects watch list.

analitycseci

Repositorio con el contenido y desarrollo de la presentación de Analytics impartida por Néstor Serrano y Camilo Aguilar, para el marco de conferencias de Matemáticas para la vida de la facultad de Matemáticas de la Escuela Colombiana de Ingeniería 'Julio Garavito'

aws-iot-device-sdk-python

SDK for connecting to AWS IoT from a device using Python.

aws_videostreaming

calidad_aire_bogota

camiloaguilar.github.io

Please visit

cifras_de_mercado

Dashboard interactivo de las cifras del mercado asegurador

claser_pivot_tables

clasificador_mnist

Clasificador de dígitos MNIST elaborado con Redes Neuronales en R con librería nnet

clasificador_perros_gatos

cnn_mnist_predictor

cnn_tracker

courses

Course materials for the Data Science Specialization: https://www.coursera.org/specialization/jhudatascience/1

datasciencecoursera

This is a Coursera project for Data Science Specialization.

datasharing

The Leek group guide to data sharing

deep-learning-v2-pytorch

Projects and exercises for the latest Deep Learning ND program https://www.udacity.com/course/deep-learning-nanodegree--nd101

deep_learning_with_keras

deep_learning_with_tensorflow

detector_propet

dog-breed-classifier

I built a CNN that can classify dog breeds

ds_firstcourse

For candidates for data scientist

easybio-arm

escalamiento_multidimensional

estadistica_espacial

Estadistica espacial

estimacionbayesiana

En la estadística existen dos tipos de enfoques, el clásico y el bayesiano. Éste último es un tipo de inferencia estadística donde las evidencias u observaciones pasadas, se emplean para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta. El objetivo central del presente documento, consiste en aplicar el enfoque de la estadística bayesiana a la estimación de la intensión de voto por un candidato (Gustavo Petro) en las próximas elecciones presidenciales en Colombia, las cuales serán llevadas a cabo en el año 2018. Es posible utilizar la misma metodología para estimar resultados para otros candidatos. La información a priori utilizada corresponde a los resultados electorales del 2010, donde el candidato de estudio estuvo entre los elegibles. Para la información actual, se realiza una recolección de información contenida en diferentes encuestas aplicadas a lo largo del año 2017. Como resultado se espera que el porcentaje de votos por Gustavo Petro para las elecciones presidenciales de Colombia 2018 sea $10.29$%. Con un nivel de credibilidad del 95% el resultado se encuentraría entre $9.92$% y $10.66$%. Por otra parte, la probabildiad que en 2018 se obtenga un resultado mas favorable que en el año 2010, es un valor muy cercano a 1, es decir que con un nivel amplio de certeza se peude asegurar que Gustavo Petro obtendrá más votos en las próximas eleeciones que en las elecciones de 2010, pero la probabilidad que en 2018 dicho candidato sea Presidente de Colombia en primera vuelta, suponiendo porcentaje de votos mayor que $50$%, es casi cero.

exdata_plotting1

Plotting Assignment 1 for Exploratory Data Analysis

facerecognition_project

fifa_worldcup_predictions

flutter_firstapp

front_easypet