收入普查 项目详情： 数据源： : 目标：创建机器学习模型，可以预测某人的年收入高于5万还是低于5万 我将该项目分为两个单独的主要目标： 数据准备： 从UCI Irvine机器学习数据集下载数据b。 在Microsoft Excell中读取训练数据（adult.data和adult.names）将其编译为adult_dataset income.xlsx文件，而仅将测试数据读取adult.test并将其另存为test_adultdataset.xlsx c。 模型创建：在此阶段，将笔记本文件model_scratch.ipynb分解为步骤 部署模式：技术：1。烧瓶，2.Heroku

使用CNN进行地震分类 介绍 这项研究的目的是使用超过60万张地震信号图像训练卷积神经网络，以将信号分类为“地震”和“噪声”类别。 由于该CNN可用于近实时地对信号进行分类，因此该研究具有更快地震检测的潜在应用。 CRISP-DM流程 业务了解-进行地震监测的公司或机构可以使用这些模型和分析将深度学习实施到其监测算法中，而这些算法通常是基于信号幅度的短期平均/长期平均（STA / LTA） ）计算以标记地震。 这些模型可能会导致更快或更准确地检测地震。 数据理解–该数据集包含来自斯坦福地震数据集（STEAD）的120万个地震信号。 这是一个标记的数据集，具有用于测试地震信号上许多其他类型的机器学习的应用程序。 数据准备–地震数据用于创建> 600,000地震数据图像，这些图像用于训练模型。 建模–使用了两个模型：用于将地震与地震噪声区分开的分类模型，以及基于图像预测地震震级的回归模型

IBM-Data-Science-Professional-Certificate：通过IBM数据科学认证计划，我班上的所有课程

深梦 这个目录包含Jupyter笔记本，这是TensorFlow中DeepDream算法的简单用法，只是将图像目录中的照片换成自定义照片： 要在本地运行此笔记本，您将需要以下依赖项： Python 2.7或3.5 NumPy TensorFlow（> = r0.7） Jupyter笔记本 影像 tqdm 要打开笔记本，请在此目录中运行jupyter notebook命令，然后在打开的浏览器窗口中选择“ deepdream.ipynb”。

使用IBM QX掌握量子计算 这是Packt发布的“ 的代码库。 通过在IBM QX上实现量子程序来学习量子计算，并处于下一轮计算革命的最前沿 这本书是关于什么的？ 量子计算将颠覆整个行业。 IBM Research首次向公众公开了量子计算，从而可以从任何台式机或移动设备对IBM QX进行云访问。 本书配有最先进的实用示例，可​​帮助您了解量子计算在现实世界中的强大功能。 本书涵盖以下激动人心的功能： 研究量子计算的核心概念和原理 发现可以应用量子原理的领域 具有量子逻辑的设计程序 了解量子计算机如何执行计算 与包括Shor算法和Grover算法在内的关键量子计算算法一起工作，具有分析行业中量子计算潜力的能力 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 例如，Chapter01。 该代码将如下所示： from qiskit.tools.vis

Google Summer of Code-CBMI @ UTHSC 使用机器学习进行早期败血症预测 目录 介绍 模组 代码说明 GSoC经验 结论 团队 执照 介绍 该项目旨在为医学界提供改进的解决方案，在医学界，数以百万计的人死于败血症，这是一种致命疾病，患者对感染的React失调。 由于败血症对时间敏感，因此它Swift升级为多器官衰竭，这大大增加了死亡风险。 在这里，我们尝试准确地预测败血症的发生时间，即败血症的实际发生时间。 这将使医生及早采取应变措施，并将大大降低死亡率。 该项目是基于关闭EICU数据库，通过physionet管理。 重症患者被送入ICU，在那里他们从各种各样的临床人员那里接受复杂且对时间敏感的护理。 电子测量设备连接到它们，可以定期产生数据。 来自多家医院的数据被吸收到eICU数据库中。 每5分钟测量一次患者的生命。 这样的频率是理想的，因为降低的频率无法让

查找相似的公司名称并自动匹配它们 该程序将使用NLP和ML技术来匹配相似的公司名称。 在算法中，会自动对匹配常见单词（例如“ LTD”和“ COMPANY”）的匹配进行打折。 使用的库： 大熊猫 Fuzzywuzzy（ ） 使用的数据集（单独下载）： 我们使用的数据可在上找到。它是一个公开许可的公共可用数据集，其中包含英国的注册（有限责任）公司列表。 输送材料： 幻灯片（未最终确定）： :

使用Python机器学习进行年龄检测 使用Kaggle的收入评估数据集进行年龄检测 用于训练模型的值输入值：-“性别”，“工作类别”，“教育”，“婚姻状况”，“职业”，“关系”，“每周工作时间”，“本国”， '收入'，'Col1'，'Col2'，'Col3'，'Col4'，'Col5'输出-年龄 机器学习算法：从sklearn.svm导入随机森林分类器 来自sklearn.metrics的precision_score以计算模型的准确性

FastAPI 该存储库说明了如何使用FastAPI创建微服务 以下链接提供了完整的说明： #######创建Python虚拟环境并按如下所示安装所有依赖项###### 使用以下命令创建venv：python -m venv venvname 激活venv：venvname \ Scripts \ Activate 安装依赖项：pip install -r requirements.txt 使用以下命令运行：uvicorn main：app --reload

树状图时间序列 Scipy的聚类聚类树状图要求进行广泛的自定义，以使其信息更丰富。 此程序包通过两个自定义包装scipy的树状图： 侧面的时间序列图 距离标签和聚类分裂点 安装 下载dendrogram_ts.py并放入您的python site-package或project文件夹中。 按最大聚类绘制 from dendrogram_ts import maxclust_draw plt . style . use ( 'seaborn-whitegrid' ) plt . figure ( figsize = ( 8 , 5 )); maxclust_draw ( df , 'ward' , 'euclidean' , max_cluster = 10 , ts_hspace = 2 ) 按颜色阈值绘制 from dendrogram_ts import colorclust_dra