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： :

电子游戏数据分析 有关视频游戏历史的数据分析，按类型，地区或销售情况显示了最畅销的游戏。 该分析是在ArchanjoJr，github的帮助下完成的： : 如果要查看文件并查找新内容，请访问mybinder.org并粘贴此存储库URL，或者只是下载文件。 谢谢！

使用SARIMA模型进行时间序列数据分析 编程语言：python 代码编辑器：jupyter notebook 适合想了解SARIMA模型的大致流程以及代码实现的朋友

使用深度学习预测股票市场 在这个项目中，我使用称为LSTM的最佳深度学习算法之一来预测和预测Amazon Inc.的价格。

PYTHON环境配置PDF文档资料，轻松实现python环境配置，及Jupyter Notebook无法正常打开浏览器的解决方法及环境配置程序，特备份以防止以后自己忘了。

概述 混合系统，使用多层卷积神经网络（CNN）提取图像中的特征，并使用长短期记忆（LSTM）来使用生成的关键字准确地构造有意义的句子 解码器将目标图像与大型数据集进行比较，并生成准确的描述。 使用标准评估矩阵（例如BLUE分数）评估提出的模型的性能。 数据源 使用Flickr 8K图像字幕数据集 在Flickr8k数据集中，每个图像都与描述实体和事件的五个不同标题相关联 建筑学 技术方法 为了对文本序列进行编码，我们将每个单词映射到200维向量。 为此，将使用预训练的手套模型。 GloVe是一种无监督学习算法，用于获取单词的矢量表示 对来自语料库的汇总全局单词-单词共现统计信息进行训练，并且所得表示形式展示了单词向量空间的有趣线性子结构。 使用波束搜索算法和贪婪搜索算法预测输出 使用Tenserboard进行单词矢量化 结果 未来范围 使用基于注意力的模型可以改善结果

酒店预订预测 基于酒店预订数据集的酒店预订预测

英雄联盟：投降10？ 客观的： 该项目的目的是通过分析10分钟标记的统计数据来确定是否可以创建一种模型来预测英雄联盟游戏的获胜团队。 结果： 在测试了四种不同的ML模型（SVC，LinearSVC，Logistic回归和随机森林分类器）的结果后，确定Logistic回归模型预测了最佳匹配结果，其准确度得分为〜.731，交叉验证得分〜.717，比随机猜测要好20％以上。” 代码： 语言：Python（3.7.6） 包装：熊猫，numpy，sklearn，matplotlib，seaborn，泡菜 资源： 数据来自 有关病房安置的其他研究，来自 启发和指导 介绍： Riot Games制作的《英雄联盟》是世界上最受欢迎的多人在线战斗竞技场（MOBA）。 游戏围绕两支球队（红色和蓝色）展开，每支球队分别由5个冠军组成，每个冠军都试图摧毁其他球队的基地，最终摧毁他们的联系并赢得比赛

天气预测-深度学习 该作业的目的是为天气预报创建时间序列预报模型。 所使用的数据集来自马克斯·普朗克生物地球化学研究所2009年至2016年的天气时间序列数据。原始数据集的时间步长为10分钟，但为了完成本作业的目的而对其进行了修改，以使其具有时间步长1小时。 生成的模型将输出大气压力，气温，相对湿度和风速（风速矢量的大小）的预测值。 输入要素将是前k个时间步长的天气属性。 这些功能将至少使用大气压力，气温，相对湿度和风速。

植物病害分类 使用图像数据和神经网络对植物病害进行分类 该存储库包含用于训练几个深度卷积神经网络（CNN）的代码和相关分析，以识别14种作物物种和26种疾病。 使用在受控条件下收集并由PlantVillage项目提供的54306张患病和健康植物叶片图像的公共数据集对模型进行了训练。 评估了三种不同的方法来提高Mohanty等人报告的基线准确性。 在研究论文“将深度学习用于基于图像的植物病害检测”中，其中CNN模型也用于使用相同的数据集对植物病害进行分类。 研究的三种方法是“转移学习”，“单图像超分辨率”和“层次结构超类学习”，所有这些方法都集中于此数据集或图像分类问题所特有的特定组件。 项目组织 ├── LICENSE ├── Makefile <- Makefile with commands like `make data` or `make train` ├─