机器学习工程师纳米学位 顶石项目 项目：预测库存移动方向 安装 此项目需要Python 3.6和已安装的以下Python库： 您还需要安装软件才能运行和执行 我们建议安装 ，这是一个预包装的Python发行版，其中包含该项目的大多数必需库和软件。 代码 该代码在Notebooks文件夹中提供。 由于大小限制，不包括CSV文件和Clfs文件夹（经过训练的分类器池）。 跑步 在终端或命令窗口中，导航到顶层项目目录Notebooks/ （包含此自述文件）并运行以下命令之一： ipython notebook {name of notebook file}.ipynb 或者 jupyter notebook {name of notebook file}.ipynb 这将在浏览器中打开iPython Notebook软件和项目文件。 数据 该数据集由Github上某个帖子的1分钟库存数据

从零开始的Tensorflow-seq2seq- 该存储库包含各种seq到seq模型的示例代码

信仰传播 该存储库包含有关信念传播的项目的代码，作为“图形模型：离散推理和学习”课程的一部分（主MVA）。 我们进行了两个实验来测试信念传播的两种实现： （湿草示例） （分类归纳） 项目演示的幻灯片在，而项目报告在共享。 作者：Charbel-RaphaëlSégerie，克莱门特·邦内（ClémentBonnet）。 2021年3月31日

使用TORGO数据集进行语音处理 有关使用Kaldi进行韵律性语音识别和说话者识别的教程。 所使用的数据由多伦多大学免费提供。 说话者由于脑瘫或肌萎缩性侧索硬化症而导致语言障碍。 这项运动的目标 建立用于语音识别的基于kaldi的GMM​​-HMM声学模型。 提高对受损语音的识别精度（数据增强，超参数调整等） 使用GMM-HMM模型中的路线训练DNN-HMM声学模型。 通过i向量执行说话者识别/识别。 栏目 第1部分： 第2部分： 第3部分： GMM-HMM声学模型 DNN-HMM声学模型 第4部分： 栏目详细信息 第1部分安装 卡尔迪 SRI语言建模工具包 Sequitur音素到音素转换器 英特尔MKL（数学内核库） 第2部分数据准备 音频数据下载 我们需要创建的文件 Kaldi目录结构 第三部分语音识别 N-gram语言模型构建 MFCC提取+ CMVN（倒数均值和方差归一

预后大肠癌 该项目展示了我们在论文中使用的方法：使用机器学习技术对结直肠癌的复发进行预后，可在（链接）上找到。 所需的库 Tsfresh-从时间序列中提取表格特征所必需。可以通过pip install tsfresh 学习失衡-可选；仅当您希望使用欠采样和过采样技术来解决不平衡数据集问题时。可以按照文档进行安装 脾气暴躁的 大熊猫 Scikit学习 Matplotlib 数据集 数据集是合成的，由表格和时间序列数据组成。这两个数据集都是使用dataset/create_simul_data.ipynb代码生成的。提供了笔记本以供参考，但是请注意，重新运行笔记本将生成新的（和不同的）数据集。 如何运行我们的模型 通过按照notebooks/predicting_recurrence.ipynb代码，可以直接在合成数据集上运行它。在笔记本中，我们演示了初步的数据集探索和预处理，使用Tsfres

使用TensorFlow Cookbook进行机器学习 Packt出版的《使用TensorFlow Cookbook进行机器学习》。

pytorch_fcn FCN的pytorch实施（VGG，ResNet）

员工流失预测 这是使用xgboost＆GBDT＆Lightgbm＆ngboost预测员工流失的项目

糖尿病预测用KNN

使用Jupyter Notebook通过计算教物理 以下教程将帮助您学习markdown和Python的各个方面，以便您和您的学生可以将Jupyter用作物理教育和研究的工具。 Jupyter Notebook（以前称为iPython Notebook）是一个Web应用程序（前端），用于创建和共享包含实时代码，可视化效果以及标记的文本和公式的文档。 老师可以编写教程，学生可以编写专业的交互式报告。 Jupyter Notebook适用于学生，可扩展至专业人士，是教授计算建模，数据可视化，协作计算和报告的理想选择。 Jupyter允许教师和学生编写数据驱动和代码驱动的叙述。 这句话的关键词是“叙事”。 如果您正在寻找IDE，那么有许多比Jupyter更好的高质量开发环境。 Jupyter的好处是集成了数据，代码和叙述。 这些教程是在的研讨会开始的。 在2017年夏季的AAPT会议上，对