shokesu Goto Github PK

agensgraph

AgensGraph, a transactional graph database based on PostgreSQL

all-my-plus-statistics

Various reports based on either public Google+ posts or takeout data

amazon-price-tracker

An amazon price tracker that will send you alerts when an item goes below your target price.

auto-mate-for-tinder

Use Artificial Intelligence to find promiscuous Tinder matches

autocop_en_distributed

AutoCop in English to run in Spark

aws-serverless-twitter-event-source

A serverless app that periodically polls the public Twitter Standard Search API and invokes a given lambda function to process new tweets

bcn-network-analysis

blogposts

Code collection for published blog posts

book-socialmediaminingpython

Companion code for the book "Mastering Social Media Mining with Python"

botometer-python

A Python API for Botometer by OSoMe

botrnot

R package for detecting Twitter bots via machine learning

brand-sentiment-analysis

Scripts utilizing Heartex platform to build brand sentiment analysis from the news

breakinghoaxes

chartify

Python library that makes it easy for data scientists to create charts.

chrome

Storify Chrome Extension

cjworkbench

The data journalism platform with built in training

codebird-js

A Twitter library in JavaScript.

cube.js

📊 Cube.js - Open Source Analytics Framework

dafiti_geelbe_scraper

Scraper implementado con la librería Scrapy de Python para extraer datos de las páginas web geelbe y dafiti

data-life

data-processing-pipeline

Real-Time Data Processing Pipeline & Visualization with Docker, Spark, Kafka and Cassandra

debot

Twitter bot detection using deep learning.

dive-frontend

Codebase for DIVE SPA using React and Redux

django_instagram

Photo sharing social media site built with Python/Django. Based on Instagram's design.

eda

Enterprise Data Analytics by Jortilles ( EDA )

elasticsearch_python_tests

Test de consultas de acceso y búsqueda de documentos sobre elasticsearch usando python

encuestas

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.

eventorient

A web-based application for monitoring, analyzing and visualizing social networks of Istanbul Sehir University

facebook-hashtags

Search posts on facebook by hashtag