机器学习项目 材料科学中的机器学习课程项目 该程序的目的是研究太阳能电池温度和太阳能电池效率之间的关系，以设计和教授用于太阳能电池研究的机器学习（ML）模型。 通过选择第一个正确的目录和正确命名的数据集（可以更改）来调用程序。 该程序将数据集名称视为太阳能电池温度，以便轻松访问特定文件夹中的数据集。 进入OS外壳程序所在的文件夹后，按以下方法运行程序： 如果是Windows-> python。\ solarEfficiency.py 如果是Linux-> python3 solarEfficiency.py 还要检查您是否具有所需的数据集和依赖项。 ML程序使用的数据包和库可以在requirments.txt文件中找到。 如果需要，可以将程序算法用于绘制其他类型的数据集。 src文件夹保存C ++程序的源代码，该代码读取数据集并生成一个输出文件，该文件包含来自读取的数据集中的

人工智能-推荐系统-电影推荐-基于Spark ML实现的豆瓣电影推荐系统

吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第一周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 一周所有jupyter notebook文件(包括实验室练习文件)

Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第二周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第三周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 二周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 三周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 四周所有jupyter notebook文件(包括实验室练习文件)

Unity ML-Agents 之 环境配置（Anaconda 下载安装等），简单的搭建场景实现简单训练的Demo（内含详细步骤） 一、简单介绍 二、工程地址 三、效果预览 四、实现原理 五、涉及命令 六、注意事项 七、环境搭建 Anacoda 的下载 Anaconda 安装 Unity ML-Agents 资源下载 八、Anacoda 中构建 Unity 训练环境 创建环境 在环境中安装 mlagents 九、Unity 中集成 ML-Agents 十、结合 ML-Agents 和 Unity 开始训练 十一、使用训练好的模型，进行演示 十二、关键脚本