注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. CS-Data-Science-Build-Week-1:面向数据科学专业学生的CS Build Week 1项目-源码

  2. CS建造周第一期，面向数据科学专业的学生 在您的第一个CS构建周中，您将实现一些分水岭算法，这些算法在数据科学世界中非常常用。 您可能之前已经听说过这些算法。 您甚至可能对它们的工作原理有所了解。 但是要真正巩固对它们的理解，您将要实现它们，然后像​​从数据科学或机器学习库中导入算法一样使用实现。 DS特定的帮助 如果您有CS TL和/或讲师无法解决的问题，请进入DS同类群组频道。 可交付成果 第一部分 在“构建周”项目的第一部分，您将选择以下算法之一来实现： 作为Python类实现的算法应具有

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2048
    • 提供者：weixin_42171132

  1. 机器学习：使用python实现基本算法-源码

  2. 机器学习 使用python实现基本算法

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：189440
    • 提供者：weixin_42150745

  1. AI50-源码

  2. AI50的Python人工智能介绍 本课程探索了现代人工智能基础上的概念和算法，并深入探讨了产生诸如游戏引擎，手写识别和机器翻译之类技术的思想。 通过动手项目，学生将图搜索算法，分类，优化，强化学习以及人工智能和机器学习中的其他主题整合到自己的Python程序中，从而可以接触到这些理论。 到课程结束时，学生将拥有在机器学习库以及人工智能原理知识方面的经验，这些知识使他们能够设计自己的智能系统。 概要 在此回购中，我设计和实现了各种AI代理，从使用搜索算法玩游戏，优化和监督学习到使用TensorF

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：210763776
    • 提供者：weixin_42125867

  1. ML-Starter-Pack：从sctrach编写的机器学习算法的集合-源码

  2. ML-入门包 1.人工神经网络（ANN） 它包含一个用Python从头实现的人工神经网络。 2.关联规则学习（先验方法） 关联规则学习是一种基于规则的机器学习方法，用于发现大型数据库中变量之间的有趣关系，旨在使用一些有趣程度来识别在数据库中发现的强大规则。该文件夹包含一个说明该算法的.py文件。 3.决策树分类器 决策树学习使用决策树（作为预测模型）从对项目（在分支中表示）的观察到对项目目标值（在叶子中表示）的结论。 它包含以下实现1.雨量预测决策树2.基本决策树3.虹膜数据集的决策树可视化

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16777216
    • 提供者：weixin_42131728

  1. 人工智能和机器学习基础知识：以最新的AI先进技术为基础的实际应用程序开发开始-源码

  2. 人工智能和机器学习基础 机器学习和神经网络正在Swift成为构建智能应用程序的基础。 本课程将首先向您介绍Python并讨论使用AI搜索算法。 您将学习大量数学主题，例如Python示例所说明的回归和分类。 然后，您将继续学习高级AI技术和概念，并处理现实数据集以形成决策树和集群。 将向您介绍神经网络，它是得益于适用于21世纪计算能力的摩尔定律的强大工具。 在本课程结束时，您将充满信心，并期待用您新获得的技能来构建自己的AI应用程序！ 您将学到什么 了解AI的重要性，原理和领域 学习使用Pyt

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：26214400
    • 提供者：weixin_42101056

  1. datacamp-machine-learning-scikit-learn：作为DataCamp的“使用Python的机器学习Track”轨迹的一部分，我所做的所有工作-源码

  2. 1-监督学习 在本课程中，您将学习如何使用Python执行监督学习，这是机器学习的重要组成部分。 您将学习如何建立预测模型，如何调整其参数，以及如何在使用现实世界数据集的同时始终了解未见数据的性能。 您将使用scikit-learn进行此操作，这是Python最受欢迎和用户友好的机器学习库之一。 Jupyter笔记本 2-无监督学习 无监督学习涵盖了机器学习中的各种技术，从聚类到降维再到矩阵分解。 在本课程中，您将学习无监督学习的基础知识，并使用scikit-learn和scipy实现基本算法。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42163404

  1. 第3课：线性模型：ICDSS机器学习研讨会系列：线性模型-源码

  2. 线性模型 ICDSS机器学习研讨会系列：线性模型 先决条件 基本线性代数 有编程经验 总览 本次研讨会的目的是向您介绍数据科学，尤其是线性模型。 我们将回答问题，例如“什么是模型？” 和“为什么特别线性”。 然后，我们将介绍一些应用程序，首先从通常在Finance中使用的简单Beta对冲算法开始。 最后，我们将在香草Python实现该算法，然后使用现成的机器学习框架（例如scikit-learn和TensorFlow 。 任务 在“笔记本”文件夹中的“ Demo.ipynb”中完成锻炼任务。 使

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42122340

  1. Python工作坊中的机器学习：我的研讨会使用python语言实现不同算法的机器学习-源码

  2. Python工作坊中的机器学习 我的机器学习研讨会使用python语言实现不同算法（伊朗大不里士大学，2017年）。 内容 第1部分：使用现有软件包进行机器学习（第1至5周） 第01周和第02周： Numpy和Matplotlib软件包简介 第03周和第04周：使用Scikit Learn进行监督学习 第05周：使用Scikit Learn进行无监督学习 第2部分：实现我们的机器学习算法和模型（第5周至第10周） 第六周：线性分类 第07周：实现损耗功能（Softmax损耗和SVM损耗）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：37748736
    • 提供者：weixin_42131633

  1. NumSharp：.NET中ND张量的高性能计算，类似于NumPy的API-源码

  2. NumSharp （NS）是面向C＃的.NET Standard的端口。 NumSharp是使用C＃和F＃进行科学计算所需的基本软件包。 将python机器学习代码转换成.NET很难吗？ 因为在.NET SDK中的相应代码中找不到太多的功能。 NumSharp是NumPy的C＃版本，它与NumPy编程接口（包括函数名称和参数位置）尽可能保持一致。 通过引入NumSharp工具库，您可以轻松地从python代码转换为C＃或F＃代码。 这是NumSharp和NumPy之间的比较代码（左为pyth

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：4194304
    • 提供者：weixin_42133899