数据科学研讨会 这是出版的的资料库。 它包含从头到尾完成该课程所必需的所有支持项目文件。 要求和设置 要开始使用项目文件，您需要： 设定 关于数据科学研讨会 为您提供了开始从事各种数据科学项目所需的基本技能。 本书将逐步介绍数据科学项目的基本组成部分，然后将所有部分放在一起以巩固您的知识并在现实世界中应用您的知识。 您将学到什么 探索有监督学习与无监督学习之间的主要区别 使用scikit-learn和pandas库处理和分析数据 了解关键概念，例如回归，分类和聚类 探索先进的技术来提高模型的准确性 了解如何加快添加新功能的过程 简化您的机器学习工作流程以进行生产 相关工作坊 如果您发现此存储库很有用，则可能需要查看我们的其他一些研讨会标题： 应用TensorFlow和Keras研讨会

TensorFlow自组织图 TensorFlow 1.5和Python 3.6的Kohonen自组织映射1的实现。 提供了一个Tensorflow V2版本，该版本位于tfv2分支中。 （感谢Dragan！）这最初是基于代码，但进行了一些关键的修改： 使用TensorFlow广播语义而不是tf.pack和for循环。 输入数据应该来自Tensor而不是tf.placeholder ，从而可以与更快，更复杂的输入数据管道一起使用。 培训使用批处理算法而不是在线算法，如果您具有GPU RAM，则可以大大提高速度。 另外，因此，我添加了... 多GPU支持（对于具有多个GPU的单机，它没有多节点培训）。 Tensorboard可视化的一些摘要操作 example.py通过在3个群集玩具数据集上训练SOM来包含其用法的简单示例。 产生的u-matrix应该看起来像这样： 请注意，该示

Abdullah Karasan - Machine Learning for Financial Risk Management with Python_ Algorithms for Modeling Risk-O'Reilly Media (2022)

利用人工智能预测心脏病死亡率 python machine learning deep learning

吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第一周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 一周所有jupyter notebook文件(包括实验室练习文件)

Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第二周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第三周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 二周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Advanced Learning Algorithms第 三周所有jupyter notebook文件(包括实验室练习文件)