东南大学高级数据结构课件(崇志宏) Docker docker pull apachecn0/seu-adv-dast-chongzhihong docker run -tid -p <port>:80 apachecn0/seu-adv-dast-chongzhihong # 访问 http://localhost:{port} 查看文档 PYPI pip install seu-adv-dast-chongzhihong seu-adv-dast-chongzhihong <port> # 访问 ht
Hack编程实例精讲 Docker docker pull apachecn0/hack-biancheng-shili-jingjiang docker run -tid -p <port>:80 apachecn0/hack-biancheng-shili-jingjiang # 访问 http://localhost:{port} 查看文档 PYPI pip install hack-biancheng-shili-jingjiang hack-biancheng-shili-jingjiang <p
达内AJAX和JQuery_扫描版_2.11M Docker docker pull apachecn0/tarena-ajax-jquery docker run -tid -p <port>:80 apachecn0/tarena-ajax-jquery # 访问 http://localhost:{port} 查看文档 PYPI pip install tarena-ajax-jquery tarena-ajax-jquery <port> # 访问 http://localhost:{port} 查
数据通常被建模为一组实体,相关值的逻辑结构由名称(属性/变量)引用,并具有按行组织的多个样本或实例。 实体往往代表现实世界中的事物,例如一个人,或者在物联网中,是一个传感器。 然后,使用单个数据帧对每个特定实体及其度量进行建模。
黑客X档案合订本2008年(上)第一部分 Docker docker pull apachecn0/heix-2008-part1 docker run -tid -p <port>:80 apachecn0/heix-2008-part1 # 访问 http://localhost:{port} 查看文档 PYPI pip install heix-2008-part1 heix-2008-part1 <port> # 访问 http://localhost:{port} 查看文档 NPM npm ins
黑客X档案合订本2002-2003年(上)第一部分 Docker docker pull apachecn0/heix-2002-part1 docker run -tid -p <port>:80 apachecn0/heix-2002-part1 # 访问 http://localhost:{port} 查看文档 PYPI pip install heix-2002-part1 heix-2002-part1 <port> # 访问 http://localhost:{port} 查看文档 NPM np
sjtu_se_101_ics1 Docker docker pull apachecn0/sjtu-se101-ics1 docker run -tid -p <port>:80 apachecn0/sjtu-se101-ics1 # 访问 http://localhost:{port} 查看文档 PYPI pip install sjtu-se101-ics1 sjtu-se101-ics1 <port> # 访问 http://localhost:{port} 查看文档 NPM npm install
在本章中,我们将讨论如何安装和管理 Anaconda。 Anaconda 是一个包,我们将在本书的以下各章中使用。
爱情全占星 Docker docker pull apachecn0/aiqing-quanzhanxing docker run -tid -p <port>:80 apachecn0/aiqing-quanzhanxing # 访问 http://localhost:{port} 查看文档 PYPI pip install aiqing-quanzhanxing aiqing-quanzhanxing <port> # 访问 http://localhost:{port} 查看文档 NPM npm in
白魔法让你工作超顺利 Docker docker pull apachecn0/baimofa-rangni-gongzuo-chaoshunli docker run -tid -p <port>:80 apachecn0/baimofa-rangni-gongzuo-chaoshunli # 访问 http://localhost:{port} 查看文档 PYPI pip install baimofa-rangni-gongzuo-chaoshunli baimofa-rangni-gongzuo-c
编程解析精粹 Docker docker pull apachecn0/biancheng-jiexi-jingcui docker run -tid -p <port>:80 apachecn0/biancheng-jiexi-jingcui # 访问 http://localhost:{port} 查看文档 PYPI pip install biancheng-jiexi-jingcui biancheng-jiexi-jingcui <port> # 访问 http://localhost:{port
索引是用于优化查询序列或数据帧中的值的工具。 它们很像关系数据库中的键,但是功能更强大。 它们为多组数据提供了对齐方式,还带有如何处理数据的各种任务(如重采样到不同频率)的语义。
本文主要介绍了如何用Python和Scikit-learn库进行机器学习,包括数据预处理、模型训练和评估等。同时,文章还分享了如何组织线下聚会活动,以及参与社区讨论的方法和技巧。
黑客防线2007精华本(上) Docker docker pull apachecn0/heifang-2007-jinghua-part1 docker run -tid -p <port>:80 apachecn0/heifang-2007-jinghua-part1 # 访问 http://localhost:{port} 查看文档 PYPI pip install heifang-2007-jinghua-part1 heifang-2007-jinghua-part1 <port> # 访问 ht
黑客防线2000-2001精华本 Docker docker pull apachecn0/heifang-2000-jinghua docker run -tid -p <port>:80 apachecn0/heifang-2000-jinghua # 访问 http://localhost:{port} 查看文档 PYPI pip install heifang-2000-jinghua heifang-2000-jinghua <port> # 访问 http://localhost:{port}
欢迎来到《Pandas 学习手册》! 在本书中,我们将进行一次探索我们学习 Pandas 的旅程,这是一种用于 Python 编程语言的开源数据分析库。 pandas 库提供了使用 Python 构建的高性能且易于使用的数据结构和分析工具。 pandas 从统计编程语言 R 中带给 Python 许多好处,特别是数据帧对象和 R 包(例如plyr和reshape2),并将它们放置在一个可在内部使用的 Python 库中。
在本章中,我们将学习如何在 Pandas 中使用不同种类的数据集格式。 我们将学习如何使用 Pandas 导入的 CSV 文件提供的高级选项。 我们还将研究如何在 Pandas 中使用 Excel 文件,以及如何使用read_excel方法的高级选项。 我们将探讨其他一些使用流行数据格式的 Pandas 方法,例如 HTML,JSON,PKL 文件,SQL 等。
商业企业广泛使用高级分析工具,以解决使用数据的问题。 分析工具的目的是分析数据并提取相关信息,这些信息可用于解决问题或提高业务某些方面的表现。 它还涉及各种机器学习算法,通过这些算法我们可以创建预测模型以获得更好的结果。
版权声明:License CC BY-NC-SA 4.0 / 自豪地采用谷歌翻译 https://blog.csdn.net/wizardforcel/article/details/89069355
本章是我们在前面各章中学习和展示的所有计算机视觉概念的最终总结。 在本章中,我们将使用我们较早学习的计算机视觉操作来实现一些实际项目。 我们还将学习一些新概念,例如背景减法和光流计算,然后在小型应用中进行演示。 本章包含许多动手的编程示例,以及有关代码和新功能的详细说明。
官网地址:scikit-learn(sklearn): http://scikit-learn.org
新增了六个教程: OpenCV3 安卓应用编程 零、前言 一、设置 OpenCV 二、使用相机帧 三、应用图像效果 四、识别和跟踪图像 五、将图像跟踪与 3D 渲染相结合 六、通过 JNI 混合 Java 和 C++ OpenCV 即时入门 一、OpenCV 即时入门 Python 机器人学习手册 零、前言 一、机器人操作系统入门 二、了解差动机器人的基础 三、建模差动机器人 四、使用 ROS 模拟差动机器人 五、设计 ChefBot 硬件和电路 六、将执行器和传感器连接到机器人控制器 七、视觉传感器
人工神经网络是一种计算系统,为我们提供了解决诸如图像识别到语音翻译等具有挑战性的机器学习任务的重要工具。 最近的突破,例如 Google DeepMind 的 AlphaGo 击败了最好的围棋玩家,或者卡内基梅隆大学的 Libratus 击败了世界上最好的职业扑克玩家,都证明了算法的进步。 这些算法像人类一样学习狭窄的智能,并达到超人水平的表现。 用通俗易懂的话说,人工神经网络是我们可以在计算机上编程的人脑的松散表示。 确切地说,这是受我们对人脑功能知识的启发而产生的一种方法。 神经网络的一个关键概念是创建输入数据的表示空间,然后在该空间中解决问题。 也就是说,从数据的当前状态开始扭曲数据,以便可以以不同的状态表示数据,从而可以解决有关的问题陈述(例如分类或回归)。 深度学习意味着多个隐藏的表示,即具有许多层的神经网络,可以创建更有效的数据表示。 每一层都会细化从上一层收到的信息。
安全参考2013 Docker docker pull apachecn0/hackcto-2013 docker run -tid -p <port>:80 apachecn0/hackcto-2013 # 访问 http://localhost:{port} 查看文档 PYPI pip install hackcto-2013 hackcto-2013 <port> # 访问 http://localhost:{port} 查看文档 NPM npm install -g hackcto-erlingyi
在上一章中,我们了解了神经图灵机(NTM)以及它如何存储和从内存中检索信息。 我们还了解了称为记忆增强神经网络的 NTM 变体,该变体广泛用于单样本学习中。 在本章中,我们将学习一种有趣的,最流行的元学习算法,称为模型不可知元学习(MAML)。 我们将了解什么是不可知论元学习模型,以及如何在监督和强化学习设置中使用它。 我们还将学习如何从头开始构建 MAML,然后我们将学习对抗性元学习(ADML)。 我们将看到如何使用 ADML 查找健壮的模型参数。 接下来,我们将学习如何为分类任务实现 ADML。 最后,我们将学习用于元学习的上下文适应元学习(CAML)。
参与方式:https://github.com/apachecn/pytorch-doc-zh/blob/master/CONTRIBUTING.md
到目前为止,您应该能够使用 NumPy 编写小型实现。 在整个章节中,我们旨在提供使用其他库的示例,在本章中,我们应退后一步,看看可以与 NumPy 一起用于项目的周围库。
本文介绍了半监督学习在机器学习领域中的相关研究,包括标签传播算法及其在支持向量机、决策树、神经网络等模型中的应用。同时,还探讨了如何使用半监督学习算法解决实际应用中的问题,并介绍了相关的硬件和软件实现方法。
CEHv10ModuleAllInOne Docker docker pull apachecn0/ceh-v10-mod-allinone docker run -tid -p <port>:80 apachecn0/ceh-v10-mod-allinone # 访问 http://localhost:{port} 查看文档 PYPI pip install ceh-v10-mod-allinone ceh-v10-mod-allinone <port> # 访问 http://localhost:{po
在本章中,我们将介绍一些必要的主题,这些主题对于培养使用 Pandas 的专业知识必不可少。 这些主题的知识对于准备数据作为处理数据以进行分析,预测或可视化的程序或代码的输入非常有用。 我们将讨论的主题如下:
让我们考虑一下金融市场的情况。 当您考虑金融市场时,会有巨大的相互联系的互动网络。 政府,银行,投资基金,保险公司,养老金,个人投资者和其他人都参与了这种金融工具的交换。 您不能简单地模拟市场参与者之间的所有互动,因为参与金融交易的每个人都有不同的动机和不同的风险/回报目标。 还有其他因素会影响金融资产的价格。 即使为一个资产价格建模也需要您做大量工作,并且不能保证成功。 用数学术语来说,这没有封闭形式的解决方案,这为利用科学计算提供了一个很好的案例,您可以在其中使用高级计算技术来解决此类问题。
ApacheCN Java 译文集 20210921 更新 新增了五个教程: Java 设计模式最佳实践 零、前言 一、从面向对象到函数式编程 二、创建型模式 三、行为模式 四、结构模式 五、函数式模式 六、让我们开始反应式吧 七、反应式设计模式 八、应用架构的发展趋势 九、Java 最佳实践 Java 编程问题 零、前言 一、字符串、数字和数学 二、对象、不变性和switch表达式 三、使用日期和时间 四、类型推断 五、数组、集合和数据结构 六、Java I/O 路径、文件、缓冲区、扫描和格式化 七、
在本章中,我们将讨论无监督学习的实际应用。 我们的目标是训练模型,这些模型要么能够重现特定数据生成过程的概率密度函数,要么能够识别给定的新样本是内部数据还是外部数据。 一般而言,我们可以说,我们要追求的特定目标是发现异常,这些异常通常是在模型下不太可能出现的样本(也就是说,给定概率分布p(x) << λ,其中λ是预定义的阈值),或者离主分布的质心很远。
公告 我们始终与所有创作者站在一起,为创作自由而战。我们还会提供一切必要的技术支持。 我们全力支持科研开源(DOCX)计划。希望大家了解这个倡议,把这个倡议与自己的兴趣点结合,做点力所能及的事情。 我们的部分文档已备份到 PYPI、NPM 和 Docker,详情请查看各个文档 README 中的“下载”一节。 ApacheCN 项目的最终目标:五年内备份并翻译 Github 上的所有教程(其实快被我们啃完了,剩下的不多了)。 警告各位培训班:对 ApacheCN 宣传文章的举报,也将视为对 ApacheCN
正如我们已经探索的那样,GAN 可以通过学习数据分布来产生有意义的输出。 但是,无法控制所生成输出的属性。 GAN 的一些变体,例如条件 GAN(CGAN)和辅助分类器 GAN(ACGAN),如前两章所讨论的,都可以训练生成器,该生成器可以合成特定的输出。 例如,CGAN 和 ACGAN 都可以诱导生成器生成特定的 MNIST 数字。 这可以通过同时使用 100 维噪声代码和相应的一号热标签作为输入来实现。 但是,除了单热标签外,我们没有其他方法可以控制生成的输出的属性。
强化学习(RL)是机器学习的一个分支,其中学习是通过与环境交互来进行的。 这是面向目标的学习,不教导学习器采取什么行动; 相反,学习器从其行动的结果中学习。 随着各种算法的迅速发展,它是人工智能(AI)中最活跃的研究领域之一。
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
在本节中,您将在自然语言处理(NLP)的背景下了解 PyTorch 1.x 的基本概念。 您还将学习如何在计算机上安装 PyTorch 1.x,以及如何使用 CUDA 加快处理速度。
新增了五个教程: Python 和 Jupyter 机器学习入门 零、前言 一、Jupyter 基础知识 二、数据清理和高级机器学习 三、Web 爬取和交互式可视化 Python 数据科学和机器学习实践指南 零、前言 一、入门 二、统计和概率回顾和 Python 实践 三、Matplotlib 和高级概率概念 四、预测模型 五、Python 机器学习 六、推荐系统 七、更多数据挖掘和机器学习技术 八、处理真实数据 九、Apache Spark-大数据机器学习 十、测试与实验设计 精通 Python 数据
原文:TutorialGateway 协议:CC BY-NC-SA 4.0 阶段:机翻(1) 以斗争求团结则团结存,以妥协求团结则团结亡。——教员 在线阅读 在线阅读(Gitee) ApacheCN 学习资源 目录 C C# Python SQL Java JS MySQL C 语言示例 C++ 示例 Go 示例 Python 示例 Java 示例 贡献指南 本项目需要校对,欢迎大家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请
原文:TutorialGateway 协议:CC BY-NC-SA 4.0 阶段:机翻(1) 危机只有发展到最困难的阶段,才有可能倒逼出有效的解决方案。——《两次全球大危机的比较研究》 在线阅读 在线阅读(Gitee) ApacheCN 学习资源 目录 Talend Tableau PowerBI SSIS SSRS SSAS MDX R 语言教程 Alteryx QlikView 贡献指南 本项目需要校对,欢迎大家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但
原文:JavaTPoint 协议:CC BY-NC-SA 4.0 阶段:机翻(1) 要打多久,就打多久,一直打到完全胜利!——教员 在线阅读 在线阅读(Gitee) ApacheCN 学习资源 目录 PHP 教程 Laravel 教程 WordPress 教程 CodeIgniter 教程 Magento2 教程 Joomla 教程 Phalcon 教程 YII 框架 XAMPP 教程 贡献指南 本项目需要校对,欢迎大家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽然我们追求卓越
新增了六个教程: OpenCV 图像处理学习手册 零、前言 一、处理图像和视频文件 二、建立图像处理工具 三、校正和增强图像 四、处理色彩 五、视频图像处理 六、计算摄影 七、加速图像处理 Python3 OpenCV4 计算机视觉学习手册 零、前言 一、设置 OpenCV 二、处理文件,相机和 GUI 三、使用 OpenCV 处理图像 四、深度估计和分割 三、检测和识别人脸 六、检索图像并将图像描述符用于搜索 七、建立自定义对象检测器 八、追踪对象 九、相机模型和增强现实 十、使用 OpenCV 的神
原文:JavaTPoint 协议:CC BY-NC-SA 4.0 阶段:机翻(1) 要打多久,就打多久,一直打到完全胜利!——教员 在线阅读 在线阅读(Gitee) ApacheCN 学习资源 目录 Kotlin 教程 Kotlin 安卓教程 Swift 教程 移动通信 Xamarin 教程 Ionic 教程 Flutter 教程 Gradle 教程 PhoneGap 教程 Dart 教程 ApacheCordova 物联网 Arduino 教程 PLC 教程 iOS 开发 PWA 教程 厄拉多塞的
人工智能(AI)在过去几年中一直处于技术的最前沿,并已进入主流应用,例如专家系统,移动设备上的个性化应用, 自然语言处理中的机器翻译,聊天机器人,自动驾驶汽车等。 但是,AI 的定义在很长一段时间以来一直是一个争论的主题。 这主要是因为所谓的 AI 效应将过去已经通过 AI 解决的工作归类为非 AI。 根据一位著名的计算机科学家的说法:
原文:JavaTPoint 协议:CC BY-NC-SA 4.0 阶段:机翻(1) 危机只有发展到最困难的阶段,才有可能倒逼出有效的解决方案。——《两次全球大危机的比较研究》 在线阅读 在线阅读(Gitee) ApacheCN 学习资源 目录 机器人教程 模糊逻辑教程 数字电子学 图论教程 微处理器教程 DS 教程 DAA 教程 操作系统教程 计算机网络 编译器教程 COA 教程 离散数学 软件工程 贡献指南 本项目需要校对,欢迎大家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽
TensorFlow 是 Google 创建的开源软件库,可让您构建和执行数据流图以进行数值计算。 在这些图中,每个节点表示要执行的某些计算或功能,连接节点的图边表示它们之间流动的数据。 在 TensorFlow 中,数据是称为张量的多维数组。 张量围绕图流动,因此命名为 TensorFlow。
新增了五个教程: OpenCV3 和 Qt5 计算机视觉 零、前言 一、OpenCV 和 Qt 简介 二、创建我们的第一个 Qt 和 OpenCV 项目 三、创建一个全面的 Qt + OpenCV 项目 四、Mat和QImage 五、图形视图框架 六、OpenCV 中的图像处理 七、特征和描述符 八、多线程 九、视频分析 十、调试与测试 十一、链接与部署 十二、Qt Quick 应用 精通 Python OpenCV4 零、前言 第 1 部分:OpenCV 4 和 Python 简介 一、设置 Ope
领取专属 10元无门槛券
手把手带您无忧上云