图像的平滑的锐化，对于图像进行中值滤波和均值滤波，对图像进行锐化，分别用Roberts算子，sobel算子，拉普拉斯算子，对图像进行锐化，本资源免费白嫖，记得点赞就行

Python零基础速成班，适用于入门或初级学习人群，采用Jupyter Notebook原装教程，.ipynb格式拷贝到Jupyter Notebook目录下即可运行，网页交互式可视化Python编程，全中文注解，下载即用，对初学者非常友好，也可作为Python程序员基础知识的补充再学习材料。 本教程由专业老师设计，由浅入深，带你扎实学习Python知识，附带的课后练习题精心设计，作为学习后知识的巩固和提升。 本教程设置3级标题，对知识点进行分类，内容上由基础+进阶的方式呈现，练习题也设置了必做和挑战项目，分别适用于初学者和进阶学习者。 整个教程大概有80个学时，同时也引入图像识别基础、算法基础、小游戏、爬虫、API设计基础、Excel文档操作、Numpy、Pandas、Matplotlib画图、数据库基础、网页WEB编程和Flask框架基础等，完成后将达到初级Python程序员水平。

1、Python基础，以及jupyter相关操作 python的基础用法，看的是 Python编程：从入门到实践 用的jupyter，有例子有解释，方便看，内容是python基础语法，从开头到函数那部分，把书上的例子差不多都整理了上来，然后有写一些自己的例子，以及一些容易犯错的地方

需要输入企业简称，对于融资融券数据获取，采用了多线程的方式来减少运行时间，大概半小时就能获取。而财务数据相对简单由于akshare自带查询个股的功能，因此很快就可以获取。

市场趋势预测 这是一个构建知识图谱课程的项目。 该项目利用历史股票价格，并整合了来自客户的社交媒体，以预测道琼斯工业平均指数（DJIA）的市场趋势。 数据周期：2016年8月1日至2017年10月31日。DJIA数据范围：2016年8月1日至2017年11月30日。数据来源：Business Insider（记录号：2,017），Reddit finance（4,383），facebook（11,528） ），雅虎财经（10,478），Twitter（24,271）结构数据：Facebook，Twritter。 预测结果 请。 请引用。 T+1 Prediction

logistic_regression：使用Python和Numpy从头开始进行Logistic回归

基于matlab温度的pid控制代码 tclab_jupyter 基于Jupyter的应用程序，用于探索简单温度设备的不同控制技术 概述 编写此代码是为了展示基于Arduino的温度控制实验室（）进行高级控制技术讲座。 TCLab系统配有两个温度传感器和两个加热器。 提供了Matlab或Python接口，可从板上读取温度数据并控制加热器的功率输出。 创建了两个类，一个类旨在控制Arduino系统（ control_arduino.py ），另一类旨在用模拟器替换Arduino接口（ control_demo.py ），因此该应用程序可以在没有实际硬件的情况下使用，作为演示。 该项目实现了四种不同的控制技术（手动，开-关，PID和MPC），因此用户可以测试和可视化它们之间的差异。 还有一个配置窗口，其中显示了一些参数，可以针对整个模拟或每种控制技术进行调整。 该界面是使用ipywidgets和bqplot构建的。 动态工厂仿真是使用scipy odeint函数完成的，而MPC是使用gekko库实现的。 有关MPC选项的更多信息，请参阅gekko文档（）。 依存关系 麻木 科学的 ipyw

numpy学习笔记,jupyter上传

面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 假设你已经熟悉 docker 并且已经正确安装 docker，执行以下步骤，开箱即用(浏览器输入：http://localhost:8899) # 1. pull image & run container ./start_dev.sh # 2. 进入 container 运行时环境 docker exec -it dev bash # 3. 启动 notebook ./start_jupyterlab.sh 在浏览器中打开 jupyterlab http://localhost:8899

2022泰迪杯数据分析技能赛B题一等奖 方案及赛后总结：https://blog.csdn.net/u014111377/article/details/127905972 欢迎学习交流 任务1：数据探索与清洗 任务2：产品营销数据可视化分析 任务3：客户流失因素可视化分析 任务4：特征构建 任务5：银行客户长期忠诚度预测建模