用于烹饪食谱检索的深度学习食物图像识别系统 演示：DeepChef 总览 更新：博客文章现已发布。 有关更多信息，请访问！ 例如用法，请访问此Jupyter Notebook： Maturaarbeit 2018：这项工作利用Keras的深度卷积神经网络将图像分类为230种食物并输出匹配的食谱。 数据集包含来自chefkoch.de的> 400'000食物图像和> 300'000食谱。 几乎没有任何其他领域能像营养一样对人类福祉产生类似的影响。 每天，用户都会在社交网络上发布无数的食物图片； 从第一个自制蛋糕到顶级米其林菜肴，万一菜肴成功，您将与世界分享快乐。 事实是，无论彼此之间有多大差异，美食都会受到大家的赞赏。 个别烹饪原料的分类或对象识别方面的进展很少。 问题在于几乎没有公开编辑的记录。 处理 该代码（Jupyter笔记本）提供了许多德语注释。 该过程如下所示： 1│──数据准备│└──清除数据│└──数据扩充 2│──数据分析和可视化，拆分数据（训练，有效，测试） 3│──使用简单ML模型的首次尝试│└──最近邻分类器（kNN） │└──k-均值聚类│└──支持向量机

用于股票预测的深度学习和机器学习 描述：这是用于学习，研究，研究和分析深度学习（DL）和机器学习（ML）中的股票。 使用不同类型的算法通过机器学习或深度学习预测股票。 对股票数据进行试验，以查看其工作原理，工作原理或为什么不这样工作。 在机器学习或深度学习中使用不同类型的库存策略。 在机器学习或深度学习中使用技术分析或基础分析来预测未来股价。 此外，可以长期或短期地预测库存。 机器学习是人工智能的一个子集，它涉及算法的创建，这些算法可以自动更改，而无需人工干预，从而通过结构化数据输入自身来产生输出。 另一方面，深度学习是机器学习的一个子集，其中创建了算法，但是深度学习就像机器学习一样，许多不

AI for Data Science

Master Deep Learning with this fun, practical, hands on guide. With the explosion of big data deep learning is now on the radar. Large companies such as Google, Microsoft, and Facebook have taken notice, and are actively growing in-house deep learning teams. Other large corporations are quickly building out their own teams. If you want to join the ranks of today's top data scientists take advantage of this valuable book. It will help you get started. It reveals how deep learning models work, and takes you under the hood with an easy to follow process showing you how to build them faster than you imagined possible using the powerful, free R predictive analytics package. Bestselling decision scientist Dr. N.D Lewis shows you the shortcut up the steep steps to the very top. It's easier than you think. Through a simple to follow process you will learn how to build the most successful deep learning models used for learning from data. Once you have mastered the process, it will be easy for you to translate your knowledge into your own powerful applications. If you want to accelerate your progress, discover the best in deep learning and act on what you have learned, this book is the place to get started. YOU'LL LEARN HOW TO: Understand Deep Neural Networks Use Autoencoders Unleash the power of Stacked Autoencoders Leverage the Restricted Boltzmann Machine Develop Recurrent Neural Networks Master Deep Belief Networks Everything you need to get started is contained within this book. It is your detailed, practical, tactical hands on guide - the ultimate cheat sheet for deep learning mastery. A book for everyone interested in machine learning, predictive analytic techniques, neural networks and decision science. Start building smarter models today using R! Buy the book today. Your next big breakthrough using deep learning is only a page away! Table of Contents Chapter 1 Introduction Chapter 2 Deep Neural Networks Chapter 3 Elman Neural Networks Chapter 4 Jordan Neural Netwo

斯克莱恩评估 机器学习模型评估变得容易：绘图，表格，HTML报告，实验跟踪和Jupyter笔记本分析。 支持Python 3.6及更高版本。 安装 pip install sklearn-evaluation 产品特点 （混淆矩阵，特征重要性，精度调用，ROC） 报告生成（ ）

足球数据：足球（足球）数据集

使用FastAPI构建数据科学应用程序 Packt发布使用FastAPI构建数据科学应用程序

IBM数据科学 为Coursera的IBM数据科学专业证书编写的代码和报告

高效先验 Apriori算法的高效纯Python实现。 适用于Python 3.6及更高版本。 先验算法发现分类数据中的隐藏结构。 经典示例是一个数据库，其中包含从超市购买的商品。 每次购买都有许多与之相关的物品。 我们想从数据中发现关联规则，例如{bread, eggs} -> {bacon} 。 这是的目标，而可以说是解决此问题的最著名算法。 该存储库包含apriori算法的有效，经过测试的实现，如Agrawal等人于1994年发表的中所述。 该代码是稳定的并且被广泛使用。 Bonaccorso在《精通机器学习算法》一书中对此进行了引用。 例子 这是一个最小的工作示例。 请注意，在每次有eggs交易中，也有bacon 。 因此，将以100％的置信度返回规则{eggs} -> {bacon} 。 from efficient_apriori import apriori tran

R for Data Science Import, Tidy, Transform, Visualize, and Model Data 这本是ggplot2作者的作品，原版电子书，带书签目录，超高清，神书。鉴定完毕