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. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课

  2. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课 课程介绍: 从基本的软件安装到必备的Python扩展讲起，然后对机器学习算法一一讲解，同时配合编程实操的实现过程，适合零基础系统学习，配套资料包括讲义作业软件数据都有。 课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.

  3. 所属分类：机器学习

    • 发布日期：2018-05-04
    • 文件大小：2048
    • 提供者：happyzhangdi008

  1. Python项目案例开发从入门到实战源代码第18章 机器学习案例——基于朴素贝叶斯算法的文本分类.rar

  2. Python项目案例开发从入门到实战源代码第18章 机器学习案例——基于朴素贝叶斯算法的文本分类.rar

  3. 所属分类：Python

    • 发布日期：2019-01-07
    • 文件大小：512000
    • 提供者：u012885320

  1. 机器学习算法工程师校招面试题库.pdf

  2. 机器学习算法工程师校招面试题库 涵盖数学基础、机器学习算法、深度学习、自然语言处理、计算机基础项目等。ξ NOWCODER. COM 牛客网一一互联网学习求职必备神器 名企校招历年笔试面试真题,尽在牛客网 可能就问的项日多一些,或者你说哪里精通可能面试官就多去问你这些。而且此图是根据题 库数据整理出来,并不是根据实际单场面试整理,比如基础部分不会考那么多,会从中抽着 考 但是面试中必考的点且占比非常大的有机器学习算法,机器学习和算法。 决定你是否能拿 sp offer(高薪ofer)以及是否

  3. 所属分类：机器学习

    • 发布日期：2019-07-15
    • 文件大小：4194304
    • 提供者：yangyang3401

  1. 《Python项目案例开发从入门到实战——爬虫、游戏和机器学习（从入门到实战·微课视频）》pdf和源码.txt

  2. 《Python项目案例开发从入门到实战——爬虫、游戏和机器学习（从入门到实战·微课视频）》_郑秋生等_2018-12-01.zip 网盘文件 压缩包包含了 pdf文件和程序源码。

  3. 所属分类：Python

    • 发布日期：2019-07-16
    • 文件大小：92
    • 提供者：baidu_20048575

  1. python基础学习（内含学习代码及注释和安装包）从入门到人工智能，从未知到兴趣

  2. 资源内含有学习代码和安装包，十三段代码帮大家学习掌握python基础。通过画图、数学、计算等多种方式，从实践中学习掌握python中数组、循环、列表基础知识。更有简单的作图、机器学习KNN算法、人脸识别三段代码，带领大家了解python在机器学习、大数据、人工智能方面的使用基础。

  3. 所属分类：Python

    • 发布日期：2020-04-10
    • 文件大小：219152384
    • 提供者：xingchenhy

  1. Python数据分析从入门到机器学习.rar

  2. 分享视频教程——Python数据分析从入门到机器学习，本课程针对Python数据分析最核心的Numpy库、Pandas库、Python数据可视化库Matplotlib以及机器学习库Scikit-learn，进行了系统、深入的讲解。

  3. 所属分类：Python

    • 发布日期：2020-12-17
    • 文件大小：316
    • 提供者：atipa

  1. 零基础学习Python web开发、Python爬虫、Python数据分析，从基础到项目实战！

  2. 随着大数据和人工智能的发展，目前Python语言的上升趋势比较明显，而且由于Python语言简单易学，所以不少初学者往往也会选择Python作为入门语言。 Python语言目前是IT行业内应用最为广泛的编程语言之一，尤其是近几年来随着大数据和人工智能（机器学习、自然语言处理、计算机视觉等）的发展，Python也得到了越来越广泛的应用，另外Python在Web开发、后端开发和嵌入式开发领域也有广泛的应用。 小编推荐一个学Python数据分析的学习裙九三七六六七 五零九，无论你是大牛还是小白，是想转

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：596992
    • 提供者：weixin_38669618

  1. 机器学习入门教程4-使用 Python 和 scikit-learn 学习分类算法

  2. 在本教程中，我们将介绍有关解决基于分类的机器学习问题的基础知识，并提供对当前最受欢迎的一些算法的比较研究。 设置 注册或登录。 通过从试用 IBM Watson 页面登录到 IBM Cloud 帐户来激活 Watson Studio。 通过从 https://dataplatform.cloud.ibm.com 页面登录来访问 Watson Studio。 创建一个空白项目。 单击 Create a project 或 New project。 选择 Create an empty p

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：978944
    • 提供者：weixin_38506103

  1. 机器学习入门教程3-使用 Python 和 scikit-learn 学习回归算法

  2. 在本教程中，我们将介绍解决基于回归的机器学习问题的基础知识，并对当前最流行的一些算法进行比较研究。 设置 注册或登录。 从 Try IBM Watson 页面登录到您的 IBM Cloud 帐户来激活 Watson Studio。 在 https://dataplatform.cloud.ibm.com 处登录以访问 Watson Studio。 创建一个空白项目。 单击 Create a project 或 New project。 选择 Create an empty projec

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：1048576
    • 提供者：weixin_38640984

  1. 使用Python编写机器学习入门教程

  2. 1.当输入变量和我们尝试去预测的输出变量之间是线性相关时，或者当解释模型的能力很重要时（例如，隔离任何一个输入变量对于预测的影响），逻辑回归对于二进制分类是比较合适的选择。2.决策树和随机森林是非线性模型，可以被用来很好地计算更复杂的关系，但是它不太适用于处理人类行为理解。3.适当地评估模型性能很重要，验证你的模型在之前未见过的数据上表现是否良好。4.产品化一个机器学习模型牵涉许多考虑因素，不同于模型开发过程中的那些考虑因素：例如，如何同步地计算模型输入？每次得分时你需要记录什么信息？你如何确定

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：601088
    • 提供者：weixin_38695159

  1. 如何入门Python与机器学习

  2. 本文来自于csdn，本文通过应用scikit-learn这个成熟的第三方库中的模型,从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。机器学习”在最近虽可能不至于到人尽皆知的程度，却也是非常火热的词汇。机器学习是英文单词“MachineLearning”（简称ML）的直译，从字面上便说明了这门技术是让机器进行“学习”的技术。然而我们知道机器终究是死的，所谓的“学习”归根结底亦只是人类“赋予”机器的一系列运算。这个“赋予”的过程可以有很多种实现，而Python正是其中相对容

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：321536
    • 提供者：weixin_38744803

  1. python-machine-learning-book-book-1st-edition：解决了机器学习中的名著问题，面向学习者的深度学习-源码

  2. Python机器学习书代码存储库 重要的提示： 该GitHub存储库包含第1版Python机器学习书的代码示例。 如果您正在寻找第二版的代码示例，请改为参考存储库。 您可以期望有400页丰富的有用材料，几乎是入门机器学习所需的一切...从理论到可以直接付诸实践的代码！ 这不仅是另一本“这是scikit-learn的工作原理”一书。 我的目的是解释所有基本概念，告诉您您需要了解的最佳实践和注意事项，我们将主要使用NumPy，scikit-learn和Theano将这些概念付诸实践。 您不确定

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：90177536
    • 提供者：weixin_42117116

  1. Python-机器学习-zh：Python机器学习，机器学习入门首选-源码

  2. Python机器学习 机器学习，如今最令人着迷的计算机领域（之一）。谷歌，Facebook，苹果，亚马逊，BAT等大公司早已展开了一场关于机器学习的军备竞赛。从手机上的语音助手，垃圾邮件过滤到逛淘宝时的物品推荐，无一不用到机器学习技术。 如果您对机器学习兴趣，甚至是想强迫相关职业，那么这本书非常适合作为你的第一本机器学习资料。城市大部分的机器学习书籍只是告诉你如何推导模型公式甚至就是如何代码实现模型算法，这对于零基础的新手来说，阅读起来相当困难。而这本书，在介绍必要的基础概念后，着重从如何调用机

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42138703

  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. 笔记本：基于docker的入门套件，可通过jupyter笔记本进行机器学习。 包括主要的机器学习框架和CUDAcuDNN版本。 Docker标签：-源码

  2. 基于docker的入门套件，可通过jupyter笔记本进行机器学习 Docker映像 为了同时支持新旧环境， 涵盖了以下各项的各种组合： 机器学习框架（ ， ， ） v8，v9，v10和v11。 在CUDA兼容性中查看主机系统所需版本的Nvidia garphics驱动程序。 3仅作为Python 2，因此。 所有图像包括： 可视化库： 以视觉为中心的库： NLP库： 标签 如果您正在从阅读此页面，则指向Dockefiles的链接将不起作用。 请改为转到github。 实验

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：446464
    • 提供者：weixin_42110362

  1. RapidML：RapidML是一个智能Python框架，可用于快速为Web编写机器学习API的原型！-源码

  2. 欢迎使用RapidML！ 入门非常简单： pip install RapidML 在此处阅读RapidML文档： ：//ritabratamaiti.github.io/RapidML 什么是RapidML ？ 好吧，RapidML是您的智能机器学习助手，它不仅可以自动创建机器学习模型，还可以使您轻松地将模型部署到云中。 RapidML是所有级别的Python程序员的理想选择，从想要进入数据科学和机器学习的初学者到想要将机器学习带入消费者和行业使用应用程序的中级和高级程序员。 除了

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：24117248
    • 提供者：weixin_42120275

  1. eland：Elasticsearch中用于DataFrames，大数据，机器学习和ETL的Python客户端和工具包-源码

  2. 关于 Eland是Python Elasticsearch客户端，用于使用熟悉的Pandas兼容API在Elasticsearch中浏览和分析数据。 该软件包在可能的情况下使用现有的Python API和数据结构来简化在numpy，pandas，scikit-learn和其Elasticsearch支持的等效项之间的切换。 通常，数据驻留在Elasticsearch中，而不是内存中，这使Eland可以访问Elasticsearch中存储的大型数据集。 Eland还提供了一些工具，可以从 ，

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：9437184
    • 提供者：weixin_42141437

  1. 使用Python编写机器学习入门教程

  2. 1.当输入变量和我们尝试去预测的输出变量之间是线性相关时，或者当解释模型的能力很重要时（例如，隔离任何一个输入变量对于预测的影响），逻辑回归对于二进制分类是比较合适的选择。2.决策树和随机森林是非线性模型，可以被用来很好地计算更复杂的关系，但是它不太适用于处理人类行为理解。3.适当地评估模型性能很重要，验证你的模型在之前未见过的数据上表现是否良好。4.产品化一个机器学习模型牵涉许多考虑因素，不同于模型开发过程中的那些考虑因素：例如，如何同步地计算模型输入？每次得分时你需要记录什么信息？你如何确定

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：600064
    • 提供者：weixin_38609247

  1. python从入门到机器学习

  2. 最近刚好有时间，前面一段时间看了tensorflow，看了深度学习的理论，可是自己还不会python。让我自己写个什么机器学习算法，还真有点困难。所以就吧python基础拿出来看看；所以这个笔记的标题是按时间+内容进行索引的python基本数据结构1）list:a[1,2,3] 2)tuple:a(1,2,3)一旦初始化，就不能改变内容 3)dict:{‘a’:1,’b’:2,’c’:3}key:value(dict中的key值不能改变)

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：83968
    • 提供者：weixin_38608378

  1. 如何入门Python与机器学习

  2. 本文来自于csdn，本文通过应用scikit-learn这个成熟的第三方库中的模型,从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。机器学习”在最近虽可能不至于到人尽皆知的程度，却也是非常火热的词汇。机器学习是英文单词“Machine Learning”（简称ML）的直译，从字面上便说明了这门技术是让机器进行“学习”的技术。然而我们知道机器终究是死的，所谓的“学习”归根结底亦只是人类“赋予”机器的一系列运算。这个“赋予”的过程可以有很多种实现，而Python正是其中相对

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：313344
    • 提供者：weixin_38653508
« 12 3 »