Bike-share-project:使用Python t了解美国的Bikeshare数据，计算统计数据并建立一个交互式环境，用户可以在其中选择数据并过滤数据集以进行分析

项目概况 欢迎来到Udacity的DeepLearning纳米学位中的卷积神经网络（CNN）项目！ 在该项目结束时，该代码将接受任何用户提供的图像作为输入。 如果在图像中检测到狗，它将提供狗的品种的估计值。 如果检测到人，它将提供最相似的犬种的估计。 下图显示了已完成项目的潜在示例输出。 前方的路 我们将笔记本分为几个步骤： 导入数据集 检测人类 检测狗 创建CNN对狗的品种进行分类（从头开始） 创建CNN对狗的品种进行分类（使用转移学习） 测试算法 一些有趣的结果： 最终模型的测试准确性：76％（641/836张图片）。 这只狗的品种是：威尔士史宾格犬 哈Human，人类！ 如果您是狗，您将看起来像：迦南狗 哈Human，人类！ 如果您是狗，您将看起来像：中国沙皮犬 哈Human，人类！ 如果您是狗，您将看起来像：法国斗牛犬 哈Human，人类！ 如果您是狗，您将看起来

Business-Analytics-Udacity-Nanodegree:Udacity的业务分析

介绍 使用失真校正，图像校正，颜色变换和梯度阈值构建了先进的车道发现算法。 确定车道曲率和车辆排量。 克服了诸如阴影和人行道改变等环境挑战 在这个项目中，我使用了计算机视觉技术来识别车道边界，并在给定道路视频帧的情况下计算曲率半径的估算值。 为此，请执行以下步骤： 给定同一台摄像机拍摄的一组棋盘图像，计算出摄像机校准矩阵和所使用的摄像机镜头的畸变系数 使用上述矩阵和系数来校正相机原始输出所给的失真 使用颜色变换和sobel算法创建阈值二值图像，该图像已从图像上不必要的信息中滤除 应用透视变换以查看图像的“鸟瞰图”，就像从天空中看一样 应用遮罩以获得感兴趣的区域，检测车道像素， 确定每个车道的最佳拟合曲线 将车道边界投影回到原始视图的未失真图像上 输出车道边界和其他相关信息的可视显示 如何使用 您需要设置依赖项才能在计算机上运行Jupyter Notebook并设置一些软件包，例如op

热门电影 Udacity 纳米学位项目 1（替代）

情感分析 udacity-submission-sagemaker

RedditReader 安卓应用 用于开发 Android 应用程序课程和 Udacity 的最终项目的 Android 应用程序。 Udacity 开发 Android 应用课程： ://www.udacity.com/course/ud853

阳光 来自 Udacity Android 课程的 Project Sunshine

Udacity-项目 Udacity（机器人软件工程师课程）项目 该存储库包含我在参加Udacity Robotics Software Engineer课程时从事的所有项目

＃阳光 Android 的天气应用程序。 工作正在进行中。 完整的应用程序可在。