imageclipper样本制作工具，可以方便的抠出图片的感兴趣区域，作为学习模型的训练样本。要抠的图片放在exe目录下，里面已经包括所需的opencv1.0的.dll文件，可直接使用。

将训练进度保存为图像以供发布，使用 Matlab 代码迁移学习模型densnet201，移动网络，vgg16，resnet50，异常网络

AutoML:使用GUI和Python自动创建机器学习模型

AutoML —一个为所有人制作ML的GUI应用程序 AutoML是一个使用Python，HTML，CSS和JS开发的桌面应用程序，可让用户进行交互和自动执行机器学习管道任务，例如 数据预处理 超参数调整 绩效评估 下载存储库以在本地运行 $ git clone https://github.com/santhalakshminarayana/AutoML.git 设置虚拟环境和安装要求 $ virtualenv AutoML $ source AutoML/bin/activate $ cd AutoML $ pip install -r requirements.txt 运行应用 $ python app.py 在上阅读有关此内容的更多信息

城市声音分类：使用音频数据集，我们将提取特征并应用深度学习模型对声音进行分类

Seldon Core：Swift燃烧，面向行业的ML 一个开源平台，可在Kubernetes上大规模部署您的机器学习模型。 总览 Seldon核心将您的ML模型（Tensorflow，Pytorch，H2o等）或语言包装器（Python，Java等）转换为生产REST / GRPC微服务。 Seldon可以扩展到数千种生产机器学习模型，并提供先进的机器学习功能，包括高级度量，请求日志记录，解释器，异常值检测器，A / B测试，Canaries等。 阅读 加入我们的，提出任何问题 入门 加入我们每两周一次的： 了解如何 查看深入了解Seldon Core组件的 使用Seldon Core观看一些对话 高级功能 Seldon Core的安装量超过200万，在整个组织中用于管理机器学习模型的大规模部署，其主要优势包括： 使用我们， 或来轻松ML模型的简便方法。 开箱即用的端点，可以通过 ， 。 与云无关，并在。 由强大而丰富的推理图。 元数据来源以确保每个模型都可以追溯到其各自的。 与集成的高级和可自定义指标。 通过模型输入输出请求（与Elasticsearch进行日

VGG19的深度学习模型权重文件，可用于作为预训练模型，提升学习效率

pima_prediction 针对皮马印第安人的Scikit-Learn机器学习模型，用于预测患上糖尿病的可能性。 数据来自杰里·库拉塔（Jerry Kurata）的“学位”课程。 我使用数据文件和Jerry的课程来使自己沉浸在机器学习工作流程中。 Jupyter-Notebook遍历了数据处理以及多种模型的训练/评估。 我对注释和代码进行了编辑，以帮助我自己理解。

股票价格预测 Udacity-机器学习纳米学位课程：Project-6（Capstone项目） 项目概况 这是Udacity-机器学习纳米学位计划中列出的一系列项目中的第六个也是最后一个顶点项目。 投资公司，对冲基金甚至个人一直在使用财务模型来更好地了解市场行为并进行有利可图的投资和交易。 历史股价和公司绩效数据的形式提供了大量信息，适用于机器学习算法进行处理。 我们真的可以通过机器学习预测股价吗？ 投资者通过分析数据做出有根据的猜测。 他们将阅读新闻，研究公司的历史，行业趋势以及做出预测的其他许多数据点。 流行的理论是，股票价格是完全随机且不可预测的，但这提出了一个问题，为什么摩根士丹利和花旗集团这样的顶级公司会聘请定量分析师来建立预测模型。 我们的想法是，交易大厅里充斥着肾上腺素的男人，他们之间的联系松散，向电话里喊着什么，但如今，他们更有可能看到成排的机器学习专家静静地坐在电脑屏幕前。 实际上，现在华尔街上约70％的订单都是通过软件下达的，我们现在处在算法时代。 该项目利用深度学习模型，长期记忆（LSTM）神经网络算法来预测股票价格。 对于具有时间范围的数据，递归神经网络（

关键词：多输入多输出/BatchNormalization/dropout 两个不同领域输入，两个回归/分类任务， input_domain_a, input_domain_b concatenate(共享) task1:dense-BatchNormalization-dropout-dense task2:dense-BatchNormalization-dropout-dense