红酒质量项目 关于这个项目 这两个数据集与葡萄牙“ Vinho Verde”葡萄酒的红色和白色变体有关。 有关更多详细信息，请参考参考文献[Cortez等，2009]。 由于隐私和物流问题，仅物理化学（输入）和感官（输出）变量可用（例如，没有有关葡萄类型，葡萄酒品牌，葡萄酒售价等的数据）。 数据源 目标 创建一个可以有效预测葡萄酒总体质量（好坏）的模型 数据字典 酒精度-葡萄酒中酒精度的百分比。 氯化物-葡萄酒中盐的含量。 柠檬酸-葡萄酒中的柠檬酸含量。 含量低会增加“新鲜度”和风味。 密度-葡萄酒的密度。 固定酸度-葡萄酒的固定酸度。 游离二氧化硫-葡萄酒中存在的游离二氧化硫水平。 is_good_wine-布尔值列，反映葡萄酒是劣质（质量1-5）还是“好”（质量6-10）。 （0 ==不好，1 ==很好） pH-描述葡萄酒的酸性或碱性程度从0（非常酸性）到14（非常碱性）

GAN研究 研究生研究项目，使用CycleGAN和其他生成模型探索图像到图像的翻译。

使用机器学习进行乳腺癌诊断 该项目的目的是采用UCI机器学习存储库中的乳腺癌威斯康星州（诊断）数据集，并应用Logistic回归，朴素贝叶斯，支持向量机，决策树和多层感知器等机器学习模型来提取特征可能最适合预测癌症性质的数据集。 目的是对乳腺癌是良性还是恶性进行分类。 确定基于模型预测的模型的准确性，以相互分析和比较生成的模型，并从模型中选择最佳模型。 多层感知器是测试过的模型中最准确的模型，准确度为97.2％。

neuralNets:在pytorch tensorflow keras框架中探索和试验神经网络

概述 这是一种推导并实现用于卡尔AHRS系统的扩展卡尔曼滤波器的工作。 在Jupyter笔记本中介绍了卡尔曼滤波器方程的推导。 卡尔曼过滤器在python / numpy和c ++中均已实现。 一种。 可以使用flightgear.py使用flightgear.py输出测试KF。 该脚本可以使用numpy或c ++实现来运行KF。 参考 要求 pyEfis _ FIX-Gateway _ 测试数据集 从手机收集的数据集用于开发/测试。 该数据包括加速度，陀螺仪，磁力计和GPS数据。 速度和海拔高度是根据GPS数据得出的。 知道问题/待办事项 防滑 转数 空速（从GPS导出）在测试数据集中非常跳跃。 用baro和pito

整理并分析数据WeRateDogs推特帐户 Udacity Data Analyst 2021：Wrangle和分析数据-WeRateDogs twitter帐户项目

心衰预测 分类项目可根据某些患者属性预测由于心力衰竭导致的死亡。

语音转换 语音的神经风格转移模型。

“＃Soccer_robot”运行命令：python soccer_world.py

US_Medical_Insurance：使用Python分析美国医疗保险数据的项目