用于将python脚本保存为永久D-Tale启动点的接口。 入门 安装 $ pip install dtaledesktop 从命令行运行它: $ dtaledesktop 从python脚本运行它: import dtale_desktop dtale_desktop.run() 动机 是用于对熊猫数据进行探索性分析的功能极其强大且用途广泛的工具。 D-Tale Desktop在此基础上提供了一个界面,该界面简化了获取数据,清理/转换数据然后将其输入D-Tale的过程。 您可以将用于获取/转换数据的任意python代码片段保存为永久性的“条目”,然后就可以执行该代码并随时通过单击按钮打
2021-11-18 09:52:13 671KB react visualization python data-science
1
topotoolbox:用于数字高程模型分析的MATLAB软件-
1
kaggle数据集 可供所有人使用的Kaggle数据集集合 系统 Python 3.5 Python 3.6 Python 3.7 Linux 苹果系统 视窗 有关Kaggle数据集的更多信息 import kaggledatasets as kd heart_disease = kd . structured . HeartDiseaseUCI ( download = True ) # Returns the pandas data frame to be used in Scikit Learn or any other framework df = heart_disease . data_frame () # Returns the tensorflow dataset type compatible with TF 2.0 dataset = heart_disease . load () for batch , label in dataset . take ( 1 ): for key , value in batch . items ():
1
使用Python负责任的机器学习 训练可解释机器学习(ML)模型,解释ML模型以及调试ML模型的准确性,辨别力和安全性的技术示例。 概述 随着越来越多的经济体接受自动化和数据驱动的决策,使用人工智能(AI)和ML模型可能会变得越来越普遍。 尽管这些预测系统可能非常准确,但它们常常是难以理解且不受欢迎的黑匣子,它们仅产生数字预测,而没有附带的解释。 不幸的是,最近的研究和最近的事件引起了人们对脆弱的AI和ML系统中数学和社会学缺陷的关注,但是从业人员通常没有正确的工具来撬开ML模型并对其进行调试。 本系列笔记本介绍了几种方法,这些方法可以提高ML模型的透明度,责任感和可信赖性。 如果您是数据科学家或分析师,并且想要训练准确,可解释的ML模型,向您的客户或经理解释ML模型,测试这些模型的安全漏洞或社会歧视,或者您担心文档,验证或法规方面的问题要求,那么本系列Jupyter笔记本非常适合您! (
2021-11-16 23:21:24 10.74MB python data-science machine-learning data-mining
1
Discrete Mathematics for Computer Science
2021-11-16 20:31:55 7.92MB math
1
Essential.Cybersecurity.Science.2015.12.pdf
2021-11-15 09:19:55 6.39MB Essential Cyber security Science
1
SQL-for-Data-Science:加州大学戴维斯分校的Coursera
2021-11-14 21:20:43 6KB
1
智利南方大学 INFO147:使用Python进行科学计算,2021年 负责人:Pablo Huijse H,在inf dot uach dot cl的phuijse UACh的计算机工程专业学位选修课和计算机工程硕士学位的选修课程。 建议通过克隆此存储库来保留课程资料的本地副本。 抽象的 使用Python进行科学计算的课程向学生介绍了数据科学的基本概念,使他能够使用Python 3编程语言提供的免费数值计算工具解决应用科学问题。 特别是,学生将学习读取,处理和预处理数据,从数据创建可视化效果,解决线性代数和优化的数值问题,通过基本的统计推断提取信息,并训练简单的模型进行回归,分类和预测。 内容 第1单元:使用Python进行数据管理 单元2:使用Python进行科学计算 概率基础 描述性统计 推论统计 单元3: 附件: (补充) Python 3评论 使用者介面 参考书目 主要
1
tntorch-使用PyTorch进行Tensor网络学习 ,这是一个由PyTorch支持的使用张量网络的建模和学习库。 这样的网络的独特之处在于(而不是非线性激活单元)。 功能包括: 张量的基本和奇特索引,广播,分配等 张量分解与重建 按元素和张量-张量算术 使用交叉逼近从黑盒函数构建张量 从张量中找到全局最大值和最小值 统计和敏感性分析 使用自动分化进行优化 杂项张量的运算:堆叠,展开,采样,求导等。 批处理操作(正在进行中) 可用的包括: 混合动力车:CP-Tucker,TT-Tucker等 其他分解,例如和自定义格式 例如,以下网络都以TT和TT-Tucker格式表示4D张量(即,可以采用I1 x I2 x I3 x I4可能值的实函数): 在tntorch中,所有张量分解共享相同的接口。 您可以以透明的形式处理它们,就像它们是普通的NumPy数组或PyTorch张量
2021-11-12 16:21:53 797KB learning data-science pytorch tensors
1
精神病学 PsychoPy是用于在行为科学中创建实验的开源软件包。 它旨在提供一个单一的程序包,该程序包是: 足够精确的心理物理学 容易教学 足够灵活 能够以本地Python脚本或JavaScript在线运行实验 为了实现这些目标,PsychoPy提供了一种界面选择-您可以使用称为Builder的简单图形用户界面,也可以用Python代码编写实验。 整个应用程序和库都是用Python编写的,并且与平台无关。 在以下位置有一系列文档: 教科书《 会费 要做出贡献,请分叉存储库,侵入功能分支,然后发送拉取请求。 有关更多信息,请参见和的开发人员文档 更多信息 主页: : 论坛: : 问题追踪器: : 变更日志: :
2021-11-11 00:18:14 39.68MB python science experiment neuroscience
1