使用人脸识别的考勤管理系统 :laptop: 该项目涉及构建一个考勤系统，该系统利用面部识别来标记员工的在场，进场和超时。 它涵盖了面部检测，对齐和识别等领域，还开发了一个Web应用程序以迎合系统的各种用例，例如新员工注册，将照片添加到培训数据集中，查看出勤报告等。该项目旨在替代传统的手动考勤系统。 它可用于对安全至关重要的公司办公室，学校和组织中。 该项目旨在自动化传统的考勤系统，其中手动标记了考勤。 它还使组织能够以数字方式维护其记录，例如准时，缺勤，休息时间和出勤。 系统的数字化也将有助于使用图形显示编号来更好地可视化数据。 今天在场的员工人数，每位员工的总工作时间及其休息时间。 它的附加功能可以有效地升级和替换传统的考勤系统。 项目范围 :rocket: 面部识别在我们的社会中正变得越来越重要。 它在安全领域取得了重大进展。 它是一种非常有效的工具，可以帮助低级执行者识别犯罪分子，软件公司正在利用该技术来

Skorecard scorecard是scikit-learn兼容的python软件包，可帮助简化信用风险接受模型（记分卡）的开发。 记分卡是银行在信贷决策过程中使用的“传统”模型。 在内部，记分卡是Logistic回归模型，其利用合并到不同组中的功能。 装箱过程通常由专家手动完成， skorecard提供了使此过程更容易的工具。 skorecard建立在以及 ， 和等其他出色的开源项目。 特征 :star: 自动化scikit-learn管道内的功能存储。 Dash Webapp可帮助您通过业务知识手动调整功能的存储桶（尚不可用） sklearn.linear_model.LogisticRegression扩展，它也能够报告p值 绘制和报告以加快分析和编写技术文档的速度。 安装 pip3 install skorecard 文献资料 参见 。

使用CNN进行手语检测：使用人的手势和使用CNN-Keras-tensorflow的手势控制计算器识别ASL字母和数字

Hands-On Machine Learning with Scikit-Learn and TensorFlow 机器学习手册 高清电子版 非扫描版

seaborn程序库在执行 `seaborn.load_dataset` 函数时需要从网站上下载的样本数据集，包括：sanagrams，anscombe，attention，brain_networks，car_crashes，diamonds，dots，dowjones，exercise，flights，fmri，geyser，glue，healthexp，iris，mpg，penguins，planets，seaice，taxis，tips，titanic等数十个经典分析数据表格（csv）。

黑板课程下载器 用于浏览Blackboard Learn网站API的Python脚本。 目前，仅支持基本的Blackboard课程，内容和附件导航 特征 下载课程内容 设置 使用源代码（所有命令都在命令行或终端中执行） 此存储库。 安装了 使用pip install -r requirements.txt或python -m pip install -r requirements.txt安装所需的模块 导航到下载的存储库并运行命令python main.py 启动参数 -v, --version Displays Application Version Default: False -g, --gui Use GUI instead of CLI

Hands-On Machine Learning with Scikit-Learn and TensorFlow 英文 高清pdf 网络搜集，值得一读

Hands-On Machine Learning with Scikit-Learn and TensorFlow.zip

CRF++ 5.8，压缩包里面Linux版本和Windows版本都有。 CRF算法，中文名称条件随机场算法，外文名称conditional random field algorithm，是一种数学算法，是2001年提出的，基于遵循马尔可夫性的概率图模型。

前言机器学习浪潮2006年，Geoffrey Hinton等人发表了一篇论文[1]，展示了如何训练能够高精度（>98％）识别手写数字的深度神经网络。他们将这种技