声音分类 城市声音分类。 所有代码均基于 ，所有功劳归于mikesmales

DSA 数据结构和算法的python实现

OCR_TIANCHI_ICPR 用法： 从下载训练有素的模型。 在single_ctpn中运行text_detector.ipynb。 样品： 结果： $锚点：（x1，y1，x2，y2，x3，y3，x4，y4）$每个文本区域的$将存储在结果文件夹中，其中txt文件的名称是相应的图像文件。

机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用sklearn的自定义构建的香草人工神经网络，并实时预测股价。 MNIST Flask应用程序：在MNIST手写号码的数据集上使用ML和DL方法，并为此创建一个Web应用程序。 房价预测：使用Tensorflow的regresiion模型基于各种参数预测房价。 通过广告销售实现收入的多变量决定性优化

1039组-美国婴儿名字趋势 大事记 里程碑的详细信息可在Canvas（左侧的侧边栏，Course Project）上或。 用大约150-200个字词描述您的主题/兴趣 我们选择此美国婴儿名字数据集，是因为有趣的是在整个100年中看到了特定区域的命名趋势。 该数据集收集了1990年代至2014年美国各州和国家/地区的婴儿名字。我们将分析州/州/地区数据集，并比较各州之间最受欢迎和最不受欢迎的婴儿名字，以通过地理位置了解相似之处。 还将分析国家一级的数据集，以查看100年来是否存在总体命名趋势。 可以通过比较给定时间段内最受欢迎的男孩/女孩的名字来完成。 最终，我们可以比较州和国家级数据集，并查看哪个州的命名趋势与国家趋势最相似。 当然，从分析中可以回答许多有趣的问题。 我们期待着通过查看近年来和各性别的命名趋势来预测新生儿的名字是否可能。 通过仪表板工具构建GUI，可以公开查看我们从该数

Segnet是用于语义像素级分割的深层全卷积神经网络体系结构。 这是实现（除了Upsampling层，在论文中，纸张使用了尚未在keras中实现的基于索引的upsampling（我正在研究），但这不应该使差异很大）。 您可以直接从下载代码。 这篇文章解释了代码中正在发生的事情。

SpamClassifier:python中的垃圾邮件分类器，以检查邮件是否为垃圾邮件

周期共享方案统计项目 在这个项目中，我们分析了trip.csv数据文件，并告诉公司在哪里吃午餐，以赚取大量利润。 基于分析...。数据位于Cycle-Sharing-Scheme-Stats-Project.zip文件中

项目说明 作者： （ ） 技术说明 技术关键字：替代模型，高斯过程，克里金法 当我们仅知道它需要的有限数量的值时，该存储库演示了用于优化功能的方法。 为此，我们必须使用已知的值在整个搜索空间中对函数进行建模，然后对建模函数进行优化，并将其用作我们要优化的函数的估计。 这称为代理模型。 统计专家和工程师（ ）想要开采黄金之后，一种常见的技术被称为克里金法。 该方法不仅可以用于金矿开采，还可以用于生物学，经济学，市场营销... 现实生活中的应用 想象一家提供电子书访问权的公司。 他们拥有各种类别的电子书，并且希望鼓励客户阅读更多小说和自助书籍。 为此，他们决定向客户提供一些免费的信用额，希望在使用它们后，他们希望阅读更多。 他们决定给每位客户120分钟的免费阅读小说和自助书籍的时间。 通过仅给小说和自助类别提供时间，他们应该鼓励客户发现新类型，但是他们应该如何划分这种免费信用？ 他们应

数据分析可视化 基本数据分析和可视化项目。