集群编码器 尝试在论文《法》中提出的GraphEncodersF.Tian，B.Gao，Q.Cui，E.Chen和T.-Y. Liu，“学习图聚类的深度表示法”，在AAAI中，2014年，第1293-1299页。 使用

电子销售分析 来自Keith Galli的实践数据集

创造自己的生成艺术！ 该笔记本可让您通过调整输入来创建自己的艺术作品。 如果您对算法及其工作/绘制方式感兴趣，则前几个单元格将其分解为多个步骤，并在给定输入集的每一步显示输出。 但是，如果您只想制作一些很酷的艺术品，则可以在最后一个单元格中调整输入。 这些是使用ipywidgets库制作的。 输入项 n生成的多边形数量\ n n_fill_lines多边形内的线数\ n col1, col2, col3多边形的颜色\ n min_scalar中心大小\ n function -更改多边形位置的函数 period -特别是指正弦函数的周期。 如果未选择正弦，将不会进行更改 adj_magnitude多边形的数量由函数调整 min_vertices删除所有顶点数量等于或小于所选数量的多边形

使用Pytorch进行T5-微调 情感分类 文字摘要

Airbnb价格预测 Air Bnb价格预测

DeepStream Python应用程序 此存储库包含Python绑定和示例应用程序。 支持的SDK版本：5.1 从下载最新的发行包，其中包含绑定和示例应用程序。 请在上报告任何问题或错误。 Python绑定 可以使用GStreamer框架（GStreamer框架的Python绑定）构建DeepStream管道。 为了访问DeepStream MetaData，Python绑定以DeepStream SDK中包含的已编译模块的形式提供。 该模块是使用生成的。 这些绑定支持与MetaData结构和功能的Python接口。 记录了此接口的用法，并在示例应用程序中进行了演示。 此版本增加了对解码图像缓冲区（NvBufSurface）以及推理输出张量（NvDsInferTensorMeta）的绑定。 样例应用 此处提供的示例应用程序演示了如何使用Python处理DeepStream管道。

Breakout-RL：使用带有CNN的DQN解决OpenAI Gym Env突破

深珊瑚 用于域自适应的DeepCoral网络的实现。 DeepCoral网络用于无监督域自适应，该域自适应将源和目标分布的二阶统计信息与非线性变换对齐。

通过神经网络进行光学字符识别 本练习的任务是开发一个神经网络模型，该模型可以将人类手写的数字分类为前10个数字。 通过sklearn提供的内置实用程序功能加载MNIST数字数据集。 导入必要的类以进行k交叉折叠验证。 您可以根据您的计算预算和任务复杂程度自由选择k，但对于大多数情况，“ k = 5”就足够了。 请预留20％的图像进行测试。 为“ MLPClassifier”定义一个超参数网格，该网格是Sklearn的神经网络模型实现。 在上面选择的范围内定义一个随机搜索过程，然后通过为搜索对象调用'.fit'方法来训练模型。 报告一种测试准确性和发现的最佳超参数。

应用数据科学界 这是IBM数据科学专业证书课程的基本项目。