官方网站 使用我们的数据集进行比赛 数据集许可证
2022-10-14 11:08:35 10KB JupyterNotebook
1
用Python进行贝叶斯分析 这是Packt发布的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 请点击此获取经过测试可与最新版本的PyMC3一起运行的代码的更新版本。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头,后跟章节名称。 本书是针对Python版本> = 3.5编写的,建议您使用当前可用的最新版本的Python 3,尽管大多数代码示例也可能适用于旧版本的Python,包括较小的Python 2.7调整。 也许安装Python和Python库的最简单方法是使用科学计算发行版Anaconda。 您可以阅读有关Anaconda的更多信息,并下载。 将Anaconda放入我们的系统后,我们可以使用以下命令安装新的Python软件包: conda install NamePackage 我们将使用以下python软件包: IPython的5.0
2022-10-13 10:18:23 5.56MB JupyterNotebook
1
使用深度学习进行环境声音分类 自主机器人是人工智能的一个领域,致力于设计可以执行任务的机器人,而无需任何外部来源的干预。 自主机器人将对我们在家庭,工业和公共场所的生活产生巨大影响。 这些机器人需要了解周围环境以表现出智能行为。 机器人感知周围环境的方式之一就是通过声音。 近年来,机器人的机械控制技术以可观的速度增长。 但是,他们通过听觉场景感知周围环境的能力仍处于起步阶段。 声音场景分类以多种方式补充了基于图像的分类,例如与有限的摄像机视角相比,麦克风本质上是全向的,并且音频信号需要较少的计算资源和较低的带宽。 装有麦克风的机器人可以通过分析来自声源的声音信号来以任何角度聆听并与人类互动,并且可以增强行为和辅助自主机器人的应用领域。 许多研究人员正在研究智能声音识别(ISR)系统,以使机器人能够了解真实的周围环境。 环境声音分类系统的目标是分析人类的听觉意识特征并将这种感知能力嵌入自主机
2022-10-12 21:41:25 218.98MB JupyterNotebook
1
TensorFlow音乐简介 该存储库包含的所有代码和软件实验室。 运行实验室 现在,要运行实验室,请在Colab上打开Jupyter笔记本。 导航到“运行系统”选项卡->“更改运行系统类型”。 在弹出窗口中,在“运行时类型”下选择“ Python 3”,在“硬件加速器”下选择“ GPU”。 浏览笔记本并填写#TODO单元格,以获取用于自己编译的代码! MIT深度学习套件 您可能会注意到,在实验室中,我们从Python软件包存储库安装了mitdeeplearning python软件包: pip install mitdeeplearning 该软件包包含我们在整个课程中使用的便捷功能,并且可以像其他任何Python软件包一样导入。 >>> import mitdeeplearning as mdl 我们在每个实验室中都为您执行此操作,但是该软件包也是在同一许可证下开源的,因此您也
2022-10-12 15:56:24 2.57MB JupyterNotebook
1
最小二乘法 python代码 附带理论分析在blog中也有。
1
巴基斯坦降雨2000-2016 巴基斯坦2年中的降雨
2022-10-08 22:46:44 130KB JupyterNotebook
1
Telus商业案例-合同风险评分模型 客观的: 查看我们与供应商/供应商的合同的文字内容和条款。 我们想识别每个合约中的风险,并根据它们的风险等级对每个合约进行标记。 也许,这是一种无监督算法,并且需要聚类模型。 背景 世界数字革命创造了广阔的数据海洋。 这在所有格式中都可用,其中数据可以很好地组织成表格,也可以在文本文件,PDF文件等中找到非结构化。组织可以从中受益的非结构化数据中隐藏着大量信息。 我们希望从合同中包含的所有数据中受益。 特别是,我们希望提取以下项目,以帮助评估和量化每个合同的风险: 服务水平协议(SLA):SLA是合同中的两个当事方之间的协议,用于指定合同的服务主题的详细信息。 例如,基于客户的SLA是与一个客户的协议,涵盖了该客户使用的所有服务。 让我们考虑一下您与电信运营商之间的关系。 您可以使用语音服务,SMS服务,数据服务以及电信运营商的其他几种服务。
2022-10-07 12:54:05 9.3MB JupyterNotebook
1
多项式回归 预测多项式回归的值
2022-10-06 19:26:22 16KB JupyterNotebook
1
使用Python的动手可解释AI(XAI) 这是发行的的代码存储库。 它包含从头到尾完成本书所必需的所有支持项目文件。 平装:454页 书号ISBN-13 :9781800208131 出版日期:2020年7月31日 链接 关于这本书 有效地将AI见解转化为业务涉众需要仔细的计划,设计和可视化选择。 描述问题,模型以及变量之间的关系及其发现通常是微妙的,令人惊讶的以及技术上复杂的。 带有Python的动手可解释AI(XAI)将使您能够处理特定的动手机器学习Python项目,这些项目的策略性安排可以增强您对AI结果分析的掌握。 分析包括构建模型,使用可视化解释结果以及集成可理解的AI报告工具和不同的应用程序。 您将在Python,TensorFlow 2,Google Cloud的XAI平台,Google Colaboratory和其他框架中构建XAI解决方案,从而打开机器学习模型
2022-10-05 11:05:33 15.61MB JupyterNotebook
1
Gesture_Recognition_Soli_Radar_Data 论文实施:与Soli交互:探索射频频谱中的细粒度动态手势识别 GitHub链接: : 请仔细阅读存储库中提供的论文以获取详细说明。 数据来源: :
2022-10-04 17:34:28 1.43MB JupyterNotebook
1