超分辨率

ds_practical 西门子的数据科学实用项目，用于检测小时间序列数据中的概念漂移

Credit_Risk_Analysis 项目概况 我们正在分析来自点对点贷款服务公司LendingClub的数据，并创建一个机器学习模型来预测申请人的信用风险。 目的 该模型的目的是帮助简化贷款的申请流程。 对于该项目，我们将采用不同的采样技术来解决不平衡的类别。 然后，我们将测试和比较平衡的随机森林分类器和易集成分类器，这两个模型可减少偏差，并确定是否可以使用这两个模型来一致地预测申请人的信用风险。 结果 天真的随机过采样逻辑回归 平衡准确度得分：0.641 精度：0.01 召回率：0.65 SMOTE过采样逻辑回归 平衡准确度得分：0.663 精度：0.01 召回率：0.63 聚类质心欠采样逻辑回归 平衡准确度得分：0.545 精度：0.01 召回率：0.69 SMOTEENN组合抽样逻辑回归 平衡准确度得分：0.648 精度：0.01 召回率：0.71 平衡

stort-term-parking-availability-prediction

深车 车辆模型/制造的细粒度检测 数据集 训练数据集包含来自集的163 / 1,716辆汽车制造商/模型[1] 微调VGG 建筑学 使用CompCars数据集对在ImageNet上预训练的模型进行了微调（16970/776火车/有效图像-115辆车/类） 结果 准确性：在200个时代中，前5名占93.2％ ，使用的基本学习率为0.001，批处理大小为64。 RA-CNN仔细看就能看到更好 建筑学 结果 参考 [1]杨琳洁，罗平，陈改来，唐小鸥。 用于细粒度分类和验证的大型汽车数据集，计算机视觉和模式识别（CVPR），2015年。

Jupyter Lab（笔记本） Jupyter项目文档（） JupyterLab是Project Jupyter的下一代基于Web的用户界面。 Jupyter Lab让您处理诸如笔记本，文本编辑器，终端等之类的文档。这是一种有效的方法，可以一小段地编写代码并进行测试。 代码控制台提供了临时暂存器，用于交互式运行代码，并完全支持丰富的输出。 例如，代码控制台可以作为笔记本的计算日志链接到笔记本内核。 内核支持的文档使任何文本文件（Markdown，Python，R，LaTeX等）中的代码都可以在任何Jupyter内核中交互运行。 笔记本单元的输出可以与笔记本并排镜像到自己的选项卡中，从而启用带有内核支持的交互式控件的简单仪表板。 要安装JupterLab，请在终端中执行以下操作 pip install jupyterlab notebook nbconvert 这是将笔记本文

Stylegan2-Ada-Google-Colab-Starter-Notebook 一款用于培训Stylegan2-ada的colab笔记本，不容小rill。 将学习转移到您自己的数据集上从未如此简单:)

艾伦SDK 该存储库包含用于处理和分析中的数据的代码。 请访问了解更多信息。 我们欢迎您的贡献！ 请参阅此处的。 有关请参见此处。 如果您对AllenSDK有更多一般性问题或意见，请将其发布到。

《统计学习方法》训练营 课程资料 优秀github资源： 本训练营的学习安排与课程任务：详见文件夹Books中的《统计学习方法作业》doc文档 视频笔记在线阅读地址 视频笔记在线阅读地址： 相关资料下载地址（包括视频笔记和习题解答） 链接： 提取码：tc49 课程安排（第四期） 总课时：5 周 第一周 1 学习第1章统计学习方法概论 2 学习第2章感知机 3 学习第3章k近邻 第二周 4 学习第4章朴素贝叶斯法 5 学习第5章决策树 第三周 6 学习第6章Logistic回归与最大熵模 7 学习第7章支持向量机 第四周 8 学习第8章提升方法 9 学习第9章EM算法及推广 第五周 10 学习第10章隐马尔科夫模型 11 学习第11章条件随机场 项目结构 Books--------------------------------------作业汇总和视频笔记的pdf docs--------

2018中国“法研杯”法律智能挑战赛 CAIL2018 1. Official Website 2. Time nodes 第一阶段（2018.05.15-2018.07.14）: ~ 6月 5日，基于Small数据的模型提交截至。向评测结果高于基准算法成绩的团队发布Large数据 ~ 6月12日，基于Large-test数据对前期模型进行重新评测刷榜 ~ 7月14日，最终模型提交截至。 第二阶段（2018.07.14-2018.08.14）: 主办方根据一个月的新增数据对最终模型进行封闭评测 3. Notice 3.1. Necessary adjustment 在将本项目代码clone或download到本地运行时，需要对如下文件处做简单修改： 在./predictor中创建model/目录（github上无法上传空文件夹） ./utils/util.py中的第9行DATA_DIR，改