gwa_tutorials 以jupyter笔记本的形式存储的PTA分析教程。

请通过创建新期刊或通过电子邮件为我留下反馈！ 如果您喜欢其中的内容，请为该存储库加注星标！ CNN-COVID-19-使用胸部CT扫描分类 卷积神经网络基于胸部CT扫描的COVID-19分类 描述 此仓库中有两个Jupyter笔记本（在notebooks文件夹中）。 1-卷积神经网络简介 本笔记本向不熟悉该领域的人介绍了深度神经网络（DNN）和卷积神经网络（CNN）。 我说明了DNN中的关键组件，CNN的动机以及使CNN强大用于图像分类的功能。 基于2 COVID-19分类的CT扫描 本笔记本是我们使用tensorflow.keras构建的CNN COVID-19 CT扫描分类器的tensorflow.keras 。 我们将网络构建为INFORMS QSR 的入口。 构建COVID分类器的团队成员：A / P ， 和我。 CT扫描数据集来自。 这些详细信息在此预印本中进行了

在Django中使用Jupyter Notebook 这些是我在上演讲时使用的笔记本。 在GitHub上，查看任何.ipynb文件以查看呈现的版本。 或者，克隆存储库，然后在Web浏览器中查看html目录的内容。 请注意，运行这些笔记本需要的有效克隆，这不在本演示文稿的讨论范围之内。 如果您有任何疑问或意见，请打开一个，以便于讨论。 :thumbs_up: 进一步阅读 ：提供管理命令，使在Django项目中轻松运行笔记本服务器 Jupyter笔记本 ：Jupyter文档中几个示例笔记本之一 ：笔记本，演示用于在Jupyter Notebook中运行Python代码的后端（也称为“内核”）的功能 大熊猫 ：

乳腺癌分类 使用支持向量机的乳腺癌诊断分类 客观的： 知识库是一项学习练习，旨在： 从可用数据集中应用机器学习的基本概念 根据观察到的数据集评估和解释我的结果并证明我的解释是正确的 创建笔记本作为计算记录并记录我的思考过程。 分析分为多个部分，保存在该存储库的juypter笔记本中识别问题和数据源探索性数据分析预处理数据构建模型以预测乳房细胞组织是恶性还是良性 达到的精度-97％

anaconda下安装tensorflow，并在Jupyter Notebook上进行tensorflow神经网络学习的步骤

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使这项工作易于访问和复制，因此对这种分析进行了详细说明。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件

神经网络 在Python中从头开始逐步实现R-CNN

代码文件与B站上的视频教程同步，记录完整的模型分析建模过程及注意事项，代码可直接使用。

立体声匹配 *作者： （2020年1月） 总览 这个小工具是简单的立体声匹配的手动实现。 从不同的角度拍摄的两个经过校正的图像： 左图 正确的图像 通过两个匹配算法来组合以深度图像，简单胜者为王它，所有（WTA）或更复杂的半全局匹配（SGM）与绝对差的几个匹配成本（和（SAD），总和平方差（SAD）或归一化互相关（NCC） ）。 使用accX精度度量将结果与真实情况进行比较，不包括使用遮罩遮挡的像素。 公式 有关所涉及公式的精确细节（匹配成本，匹配算法和精度度量），请参阅Theory.pdf 。 文件 输入图像的data/目录（左眼和右眼） output/生成深度图像输出的目录 Ma

代码文件与B站上的视频教程同步，记录完整的模型分析建模过程，还有注意事项，包括我自己走的弯路，代码内容与接下来我要发布的博客同步。