CSDN 博客热门文章 用深度学习算法预测未来股票走势 的 源码文件，Jupyter Notebook 文件，代码可以完美运行。可以帮助学习人工智能/机器学习的同学了解怎样在股票市场发挥预测作用。

理解深度学习，包括最新的transformer和GNN

Inceptionv1v2v3v4的pytorch实现

对话情绪识别 对话情绪识别适用于聊天、客服等多个场景，能够帮助企业更好地把握对话质量、改善产品的用户交互体验，也能分析客服服务质量、降低人工质检成本。 对话情绪识别（Emotion Detection，简称EmoTect），专注于识别智能对话场景中用户的情绪，针对智能对话场景中的用户文本，自动判断该文本的情绪类别并给出相应的置信度，情绪类型分为积极、消极、中性。

洗手检测七步法：深度学习算法检测洗手规范，内含数据集以及训练源码

波士顿房价数据集 预测房价

大数据工程师路线图 数据工程师路线图 深度学习路线图 机器学习路线图 数据科学家路线图 从以下几个方面着手讲解：数据科学家、机器学习、深度学习、数据工程师以及大数据工程师。这 5 部分内容都有详细的学习路线图

使用modnet对预训练模型进行微调训练，提高模型的能力

1.速度快、更灵活。Shark⼀⽅⾯兼顾灵活性和易⽤性，另⼀⽅⾯兼顾计算效率，有⼀个很好的平衡。 2.Shark提供了机器学习和⼈⼯智能领域⼤量的算法，很容易组合使⽤，也很容易扩展。 3.Shark带来了其他同类库所不具有的强⼤算法，⽐如模式识别领域、⼆进制和多类SVM（⽀持向量机）、单⽬标和多⽬标优化等。

算法简介 手写数字识别是KNN算法一个特别经典的实例，其数据源获取方式有两种，一种是来自MNIST数据集，另一种是从UCI欧文大学机器学习存储库中下载，本文基于后者讲解该例。 基本思想就是利用KNN算法推断出如下图一个32×32的二进制矩阵代表的数字是处于0-9之间哪一个数字。 数据集包括两部分，一部分是训练数据集，共有1934个数据；另一部分是测试数据集，共有946个数据。所有数据命名格式都是统一的，例如数字5的第56个样本——5_56.txt，这样做为了方便提取出样本的真实标签。 数据的格式也有两种，一种是像上图一样由0、1组成的文本文件；另一种则是手写数字图片，需要对图片做一些处理，