领域自适应深度网络压缩 提供ICCV 2017 ，可在找到海报。 也可以使用。 如何运行tensorflow代码 该示例是在简单的非域转移简单实验上完成的。 我们在MNIST数据集上从头开始训练LeNet网络，然后使用SVD基线或我们提出的DALR方法压缩网络。 示例代码在jupyter笔记本中给出。 cd code/tensorflow jupyter notebook Experiment_LeNet_MNIST.ipynb 如何运行Matlab代码 可以从下载示例网络，然后将其复制到新文件夹“ nets /”。 mkdir nets cd nets wget http://mmasana.foracoffee.org/DALR_ICCV_2017/birds_vgg19_net.mat 然后，可以通过在MatLab终端上调用“ mainScript_compress_DALR.m

BigMart销售预测 BigMart销售数据集包含2013年销售数据，这些数据来自不同城市的10个不同网点的1559种产品。 以下项目的目标是建立一个回归模型，以预测下一年在10个不同的BigMart网点中每种1559产品的销售情况。 BigMart销售数据集还包含每个产品和商店的某些属性。 此模型可帮助BigMart了解在增加整体销售额中起重要作用的产品和商店的属性。 该项目由Harsh Nagoriya自豪地创建。

WalmartSalesPrediction：预测沃尔玛数据的销售

手机游戏A / B测试 Cookie Cats是一款移动益智游戏，它是经典的“三连体”风格的益智游戏，其中玩者必须连接相同颜色的瓷砖才能清除木板并赢得关卡。 随着玩家在游戏关卡中的前进，他们偶尔会遇到门口，迫使他们等待很短的时间或进行应用内购买。 除了推动应用内购买外，这些关口还使玩家无法玩游戏，因此增加并延长了他们的娱乐性。 大门的位置应该变得很重要。 最初，第一个登机口位于30级，在此A / B测试中，我们将登机口移至40级，并研究了对玩家保留率的影响。

Multi-factor-Model:使用多个alpha因子构建投资组合

基于Visual Transformer的年龄估计 尝试Visual Transformer的有趣项目，花了几天时间。 自动化的年龄和性别估算在许多应用中变得至关重要。 有多种方法可以根据人的声音，面部特征和姿势来预测年龄和性别。 在本文中，将研究基于图像的方法。 该方法需要人脸的二维图像。 这种方法的挑战性问题是，在不受限制的环境中对脸部进行实验时，其性能会大大降低。 另一个问题是基于个人生活方式，遗传和环境的老龄化差异。 简单地说，不同的人年龄不同。 另一个挑战是生物年龄和表观年龄之间的区别。 基于面部图像的方法有两种。 第一个是手工进行的特征提取和分类，第二个使用深度神经网络。 在我们的论文中，我们还提出了用于年龄估计的视觉转换器。 它是最早提出用于面部任务的视觉转换器之一，因此没有预训练的模型。 但是，我们仍然设法在低数据环境中取得一些成果。 未来的步骤将是在较大的面部数据集上对

学习熊猫-第二版 这是出版的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 您将学习如何使用熊猫在Python中执行数据分析。 您将首先概述数据分析，并逐步进行建模数据，从远程源访问数据，执行数字和统计分析，通过建立索引和执行汇总分析，最后到可视化统计数据并将熊猫应用于金融。 借助从本书中学到的知识，您将快速学习熊猫，以及熊猫如何在令人兴奋的数据处理，分析和科学世界中为您提供支持。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 代码如下所示：文本中的代码字如下所示： "This information can be easily imported into DataFrame using the pd.read_csv() function as follows." 在Python解释器中

雨伞采样python包USample 伞式抽样方法的轻量级python实现，用于在各种数据科学应用程序中有效计算尾部概率。 该代码可在Python 2.7和Python 3.x中使用。 配套文章：雨伞采样：一种有效的分布尾部采样方法查尔斯·马修斯（Charles Matthews），乔纳森·韦尔（Jonathan Weare），安德烈·克拉夫佐夫（Andrey Kravtsov）和艾莉斯·詹宁斯（Elise Jennings） 使用包装 该软件包易于设置和运行。 它仅需要采样器，对数后验函数和初始条件。 有关如何设置采样器的代码段，请参见示例文件。 此处包括的示例均依赖于的取样器 实现了的仿射不变集合采样方法。 请参阅emcee代码以获取有关如何安装它的说明。 但是，其他MCMC采样器可以由用户代替。 使用该程序包包含几个示例：对高斯分布，双井多峰分布进行采样，以及一个宇宙学示例

金融机器学习 这是发布的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 面向金融的机器学习探索了机器学习的新进展，并展示了如何将其应用于金融领域。 它解释了主要机器学习技术背后的概念和算法，并提供了用于自己实现模型的示例Python代码。 如何执行这段程式码 此存储库中的代码计算量很大，最好在支持GPU的计算机上运行。 数据科学平台提供免费的GPU资源以及免费的在线Jupyter笔记本。 要在Kaggle笔记本上进行编辑，请单击“叉子”以创建笔记本的新副本。 您将需要一个Kaggle帐户。 或者，您可以只在上笔记本或下载代码并在本地运行。 第1章-从零开始的神经网络 从Scratch＆Intro到Keras的神经网络： ， 练习excel表格： 第2章-结构化数据 信用卡欺诈检测：， 第3章-计算机视觉构建基块 MNIST数字分类：在Kaggle上运行，

网络方案生成器（GeNet） 该软件包提供工具来表示具有公共交通（PT）服务的多式联运网络并与之一起工作。 它基于对此类网络表示。 可用于PT服务的基础网络（道路，铁路以及轮渡/航班连接）使用networkx.MultiDiGraph并具有networkx.MultiDiGraph中唯一的其他'links'方法genet.Network （ networkx.MultiDiGraph接受来自和的相同之间的多个边。节点对；指向networkx.MultiDiGraph和genet.Network的边具有相同的效果，即结果是由多边索引索引的字典。 PT服务通过genet.Schedule类表示，该类依赖于其他genet类： Schedule依赖于genet.Service的列表，而genet.Route的列表又包含genet.Route的列表。 每个Route类对象具有属性stops它由ge