FlaysonSantos
Developer Java |Python | Scrum Master | Black Belt Lean Six Sigma | Machine Learning Specialist e data scientist.
OrteleniBrazil
Pinned Repositories
academia-digital
Projeto de LAB: Conhendo o projeto Spring data JPA com Java na prática
basecamp-javascript
O basecampt de Javascript é uma iniciativa da Digital Innovation One para ensinar os pilares da linguagem e seus conceitos mais básicos.
Brain-Tumor-Auto-Segmentation-for-MRI
Chest-X-Ray-Medical-Diagnosis-with-Deep-Learning
Machine_Learning
Exploração de ML com TensorFlow por Flayson Santos!
Power_Bi
PROJETOS POWER BI
Python
Neste Labs será apresentada a biblioteca Pandas, uma biblioteca Python de código aberto para análise de dados. Ela dá ao Python a capacidade de trabalhar com dados do tipo planilha, permitindo carregar, manipular e combinar dados rapidamente, entre outras funções.
RedeYoloDarnet
Treinamento com a rede YOLO
SAP-Technology-Consultant
SAP Technology Consultant atividades
stanford-cs-229-machine-learning
VIP cheatsheets for Stanford's CS 229 Machine Learning
FlaysonSantos's Repositories
FlaysonSantos/basecamp-javascript
O basecampt de Javascript é uma iniciativa da Digital Innovation One para ensinar os pilares da linguagem e seus conceitos mais básicos.
FlaysonSantos/github-api-interface
Interface com react.js MT PROJECT
FlaysonSantos/jogo-da-memoria-dio
materia pratica
FlaysonSantos/curso-dio-sintaxe-basica-javascript
Material de apoio js
FlaysonSantos/curso-dio-intro-collections
Resolução dos exercícios propostos: CURSO INTRODUTÓRIO COLLECTIONS FRAMEWORK JAVA.
FlaysonSantos/DeepFace
Keras implementation of the renowned publication "DeepFace: Closing the Gap to Human-Level Performance in Face Verification" by Taigman et al. Pre-trained weights on VGGFace2 dataset.
FlaysonSantos/Brain-Tumor-Auto-Segmentation-for-MRI
FlaysonSantos/stanford-cs-229-machine-learning
VIP cheatsheets for Stanford's CS 229 Machine Learning
FlaysonSantos/Detecting-and-classifying-lesions-in-mammograms
Computer aided detection using Faster-RCNN - Detecting and classifying lesions in mammograms