如何使用爬虫分析 Python 岗位招聘情况 Life is short, you need Python。Python 是一门很优雅的语言，用着挺舒服的。所以就在想，现在的 Python 开发的岗位招聘，公司们需要什么样的人才？要有什么样的技能？以及对应的市场如何？ 所以，我又有了一个大胆的想法。 爬取了上 Python 关键字的招聘岗位，地区锁定在中国四个一线城市，北上深广。选取 top650 条招聘岗位带 Python 关键字的招聘信息进行数据分析。 岗位分布 650 条招聘信息中，各城市岗位数量分布如下图。 上海 228 是最多的，北京 202 排在第二，两者都超过了 200，深圳和广州就和上海北京差得有点多了，分别只有 115 和 91，另外还有 14 个是异地招聘的。当然数据只是针对这前 650 条数据而言！不过总体上也差不多，后面的招聘信息都只是在岗位要求里提到 Python

UCI Iris数据集和glass数据集，常用的数据挖掘测试数据集

iris wine glass聚类分析数据集matlab直接调用

From USA Forensic Science Service; 6 types of glass; defined in terms of their oxide content (i.e. Na, Fe, K, etc) 来自美国法医科学服务局;6种玻璃;根据它们的氧化物含量(如Na、Fe、K等)来定义 glass.csv

掺杂0.2 wt。％Dy3 +和0.2 wt。％Dy3 +，0.5 wt。％Tm3 +共掺杂（100-x）GeS2中心点xIn（2）S（3）（x = 5,10,15,20,25）准备硫属化物玻璃。 根据吸收（500至3000 nm范围）和发射（1000至4700 nm范围）测量结果分析了它们的光谱特性。 计算Judd-Ofelt强度参数Omega（t）（t = 2、4、6）以及光谱参数A（rad），β和T-rad，以及1330、2930和4320 nm的sigma（emi）估计荧光。 这些掺Dy3 +和掺Dy3 +，Tm3 +的Ge-In-S硫族化物玻璃是用于1.3μm光纤放大器和2-5μm中红外激光装置的有价值的材料。

Broadband (1.6–18 THz) terahertz time-domain spectroscopy (THz-TDS) and time-resolved terahertz spectroscopy (TRTS) were performed on a 54 μm thick chalcogenide glass (As30Se30Te40) sample with a two-color laser-induced air plasma THz system in transmission and reflection modes, respectively. Two absorption bands at 2–3 and 5–8 THz were observed. TRTS reveals an ultrafast relaxation process of the photoinduced carrier response, well described by a rate equation model with a finite concentration

在这篇提交中，我实现了一个径向基函数 (RBF) 神经网络，用于预测混沌时间序列预测。 特别是设计了一个 Mackey Glass 时间序列预测模型，该模型可以使用过去的时间样本预测几步的值。 RBF 是使用传统的梯度下降学习算法训练的，核函数是高斯核，其中心和散布是从 K-mean 聚类算法获得的。

斯坦福大学 机器学习 glass数据集 dataset

机器学习，数据挖掘经典的数据集,欢迎大家下载

https://assetstore.unity.com/packages/vfx/shaders/fullscreen-camera-effects/magnifying-glass-44009#content 跟这个差不多