机器学习实战项目——市场营销活动预测.zip

基于深度学习方法的车辆上牌量预测-计算机应用

文件内附有学习源码及“四万多字的学习笔记”，本学习笔记中涵盖了，Spring中所学的全部知识点，以及还有一些小的知识点。(笔记很详细，笔记很详细。属于本人舍得删系列)。

资源非常难找，压缩包无密码，推上的链接是指向VisualTotal，而这个网站的下载API需要专门的特权用户方可使用，最终花了一些时间终于找到，还未开始研究，先分享出来，相信此源码可以为安全公司和安全研究人员提供宝贵的参考资料，以便以后更好的抵御来自黑客和勒索软件的威胁。

机器学习各种方法的案例源码 由浅入深 完整 可编译运行

gkp-rl 使用GKP代码进行量子错误校正的强化学习。

Python爬虫从基础到框架学习 Python爬虫完整学习流程+原始码+笔记，初学者可以参考学习 1.requests模块基础 请求模块 urllib模块 请求模块 请求模块：* Python中原生的一个基于网络请求的模块，功能非常强大，简单便捷，效率及高。 作用：模拟浏览器请求 使用步骤： 指定网址 UA伪装 请求参数的处理 发起请求 获取响应数据 持久化存储 实战编码： 需求：爬取搜狗首页的页面数据 原始码：01.requests第一血.py 实战巩固： 需求：爬取搜狗指定词条对应的搜索结果页面（简易网页采集器） 展开：UA：User-Agent（请求载体的身份标识）UA检测UA伪装 需求：破解百度翻译 popst请求 响应数据是一组json数据 需求：爬取豆瓣电影分类排行榜 需求：爬取肯德基餐厅查询 需求：爬取国家药品监督管理局中依据中华人名共和国化妆品生产许可证相关数据 动态加载数

推荐系统由基础算法到深度学习的应用参考 电影推荐系统 标签：Tensorflow，矩阵分解，惊喜，PySpark 1，用Tensorflow实现矩阵分解 1.1，定义one_batch模块 import numpy as np import pandas as pd def read_and_process ( filename , sep = '::' ): col_names = [ 'user' , 'item' , 'rate' , 'timestamp' ] df = pd . read_csv ( filename , sep = sep , header = None , names = col_names , engine = 'python' ) df [ 'user' ] -= 1 df [ '

WaterCard_RW_forAndroid 直接把卡放后面唤醒程序，写卡会失败，未知原因.. 水卡金额修改，仅供学习，勿用于非法用途 金额为单位为分，1000=1RMB 尚未有注释 安卓NFC Mifare Classic One读写例子...

PythonFOAM： 使用OpenFOAM和Python进行原位数据分析 使用Python模块通过OpenFOAM 8进行现场数据分析。请注意，这不是PyFOAM，它是用于运行OpenFOAM案例的自动化工具。 您在该存储库中看到的是OpenFOAM ，它调用Python函数和类进行原位数据分析。 出于各种原因，您可能会将计算任务的一部分转移到Python（主要是使用Python ML生态系统的数据驱动任务和算法的快速原型制作）。 内容 PODFoam/ ：一个pimpleFoam解算器，具有就地收集快照数据以进行流式奇异值分解的功能。 Python绑定用于利用来自OpenFOAM的Python Streaming-SVD类对象。 APMOSFoam/ ：一个pimpleFoam解算器，具有就地收集快照数据以并行化奇异值分解的功能。 尽管前面的示例仅对一个级别的数据执行SVD，但此求解