Translate README file

README - PT_BR.md

@@ -0,0 +1,25 @@
+ # Comunidade DataCamp
+
+Arquivos relacionados aos artigos escritos à Comunidade DataCamp.
+
+## Machine Learning em R para Iniciantes
+Esse tutorial em machine learning para iniciantes foi publicado no Blog DataCamp em 25 de Março de 2015. E, recentemente foi atualizado na Comunidade DataCamp em 11 de Abril de 2017. O artigo pode ser encontrado [aqui](https://www.datacamp.com/community/tutorials/machine-learning-in-r).
+
+O arquivo incluído nesse repositório é o arquivo original e foi escrito em R Markdown. Esse tutorial foi produzido a fim de apresentar todos os passos necessários a elaboração de um projeto machine learning em R. Assim, neste tutorial utilizandom o mais popular conjunto de dados para machine learning, o iris. Após uma curta exploração dos dados, o tutorial segue em como utilizar R para trabalhar com o bem conhecido algoritmo “KNN” ouk-nearest neighbors: você irá aprender a como construir e avaliar seu modelo. O KNN ou k-nearest neighbors, é um dos mais simples algoritmos em machine learning e é um exemplo de apredizado baseado em instâncias, onde os novos dados são classificados com base em armazenamento, instâncias rotuladas (apredizagem supervionada).
+
+## Tutorial Python para Finanças: Para Iniciantes
+Esse tutorial é voltado para iniciantes que desejam iniciar com Python voltado à Finanças. O tutorial foi publicado na Comunidade DataCamp em 1 de Junho de 2017. Você encontrá o artigo [aqui](https://www.datacamp.com/community/tutorials/finance-python-trading). 
+
+O arquivo incluído nesse repositório em Jupyter Notebook contém todos os códigos utilizado neste tutorial. Esse tutorial desenvolvido de maneira a apresentar simples, mas completa informações sobre o mercado ações, a como preparar seu ambiente de programação, e, em como iniciar sua jornanda com a super popular biblioteca em Python, `pandas` para manipulação de dados e realizar analises financeiras basicas, bem com simples estratégias de negócios. Além disso, o artigo mostra com testar sua estratégia com `pandas`, com a `zipline` e Quantopian, e, apresenta em detalhes como você pode melhorar e avaliar sua estratégia.
+
+## Tutorial Scikit-Learn: Python Machine Learning
+O tutorial scikit-learn para iniciante foi publicado na Comunidade DataCamp em 3 de Janeiro.
+Você pode encontrá-lo [aqui](https://www.datacamp.com/community/tutorials/machine-learning-python). 
+
+Esse tutorial foi escrito em R Markdown em uma combinação entre [DataCamp Light](https://github.com/datacamp/datacamp-light) e [Pythonwhat](https://github.com/datacamp/pythonwhat). O tutorial é desenvolvido passo a passo, de maneira a apresentar todos os passos de um projeto de machine learning com Python. Nesse caso, foi utilizado um conjunto de dados já imbutido no scikit-learn, o digits, todavia é apresentado como efetuar o download dos dados via o Repositório UCI Machine Learning. Vários modelos são visualizados com a biblioteca `matplotlib` e avaliados com os módulos apropriados do próprio scikit-learn, além disso são apresentados formas de como ir adiante em projetos machine learning/data science.
+
+
+## Tutorial TensorFlow para Iniciantes
+O tutorial TensorFlow para iniciantes, foi publicado na Comunidade DataCamp em 13 de Julho de 2017. Acompanhe o tutorial completo [aqui](https://www.datacamp.com/community/tutorials/tensorflow-tutorial).
+
+O arquivo incluído nesse repositório em Jupyter Notebook contém todos os códigos utilizado neste tutorial. O tutorial foi pensado como um passo a passo curto para iniciante que desejam iniciar em Deep Learning (DL) com [TensorFlow](tensorflow.org).