SciHub转PDF（测试版） 描述 scihub2pdf是一个模块 使用libgen，Sci-Hub和Arxiv数据库通过DOI编号，文章标题或bibtex文件下载pdf。 安装 $ sudo python /usr/bin/pip install scihub2pdf 如果要从scihub下载文件，则需要获取PhantomJS OSX $ npm install -g phantomjs Linux使用npm $ sudo apt-get install npm $ sudo npm install -g phantomjs 功能及使用方法 给定一个bibtex文件 $ scihub

Nashpy：一个用于计算2个玩家战略游戏均衡性的python库。 该库在2个玩家游戏中实现了纳什均衡的以下算法： 支持列举 最佳响应多面体顶点枚举 Lemke Howson算法 Nashpy具有一组简单的Python依赖关系：它仅需要numpy和scipy因此可以直接在所有操作系统上安装。 安装 通过设计，Nashpy易于安装：最简单的安装方法是从pypi： $ python -m pip install nashpy 用法 通过传递两个二维数组/列表来创建双向矩阵游戏： >> > import nashpy as nash >> > A = [[ 1 , 2 ], [ 3 , 0 ]] >> > B = [[ 0 , 2 ], [ 3 , 1 ]] >> > game = nash . Game ( A , B ) >> > for eq in game . support_enumeration (): ... print ( eq ) ( array ([ 1. , 0. ]), array ([ 0. , 1. ])) ( array ([ 0. , 1. ]

英语优质公开课-i-am-going-to-study-computer-science.ppt

Data science is an exciting discipline that allows you to turn raw data into understanding, insight, and knowledge. The goal of R for Data Science is to help you learn the most important tools in R that will allow you to do data science. After reading this book, you’ll have the tools to tackle a wide variety of data science challenges, using the best parts of R.

CAIE计算机科学 有关计算机科学课程（ IGCSE和 A级）问题解决和编程的有用资源 这是存储库，列出了包含资源的。 关于此处的所有资源免责声明 尽管已尽一切合理努力来确保与课程大纲完全兼容（作者本人将其用于自己的实践和学习），但这些并不是官方资源，也没有得到剑桥国际评估教育基金会的认可。 请自行决定使用它们。 作者对任何课程大纲的不匹配不承担任何责任。

包含：爬虫代码、火狐浏览器驱动geckodriver 0.24.0。代码详情见https://blog.csdn.net/Parzival_/article/details/122360528?spm=1001.2014.3001.5501

下午4点 PM4Py是一个python库，支持python中的（最新技术）进程挖掘算法。 它是完全开源的，旨在用于学术界和工业项目。 PM4Py是弗劳恩霍夫应用信息技术研究所的产品。 文档/ API 有关PM4Py的完整文档，请访问 第一个例子 一个非常简单的例子，可以激发您的胃口： import pm4py log = pm4py . read_xes ( '' ) process_model , initial_marking , final_marking = pm4py . discover_petri_net_inductive ( log ) pm4py . view_petri_net ( process_model , initial_marking , final_marking , format = "svg" )

IBM-Data-Science-Professional-Certificate：通过IBM数据科学认证计划，我班上的所有课程

深度学习和围棋游戏 该存储库首先是针对Go游戏的全面的机器学习框架，重点是深度学习技术。 您会发现这里是一个从游戏基础知识到非常先进的技术的库。 特别是，您会找到用于游戏AI早期方法，使用深度学习的中间技术以及AlphaGo和AlphaGo Zero的实现的代码-所有这些都在一个通用框架中提供。 您可以使用pip安装此库，并按照code文件夹中的examples进行操作。 pip install dlgo 另一方面，该存储库同时包含以及《深度学习和围棋》（Manning）一书的示例章节，可在进行早期访问，该书与该库有联系，并逐个地讲授其组成部分。拜伊如果您遵循本书中的代码示例，请查看各个章节的分支。 注贡献者：为了确保同步书中住宿，考虑要求修改并提交反对引入请求improvements的分支，而不是master （这是我们一直保留错误修正等）。 可播放的演示 这本书是关于让您开始创建自己的机器人的一切。 为了使体验更加有趣和互动，我们构建并部署了多个机器人，展示了各自章节的技术。 到目前为止，您可以玩： 第4章是一个5x5板上的微型树型搜索机器人。 第7章一个完整的19×1

midi-classification-tutorial：有关如何对Midi文件的流派进行分类的教程