污染水文地质活动 欢迎来到“污染物水文地质建模活动”维基页面。 该页面提供了该课程每个模块中涵盖的不同活动的概述和目录。 这些活动的编写和组织旨在使它们成为有兴趣的人的资源，即使您不参加威斯康星大学麦迪逊分校的GEOSCI / GEOENG 629，也有兴趣进一步了解如何定量描述污染物的迁移。 目录 介绍 在运行这些活动之前，您需要在工作站上设置Python和MODFLOW。 前两个笔记本提供了安装说明，并介绍了我们将在Python中使用的一些常见操作和功能。 -此笔记本提供了安装Python，MODFLOW和设置FloPy的链接。 -本笔记本将介绍解决问题，构建模型和绘制结果所需的Python语法和基本操作。 保守溶质传输模块 在第一个模块中，我们介绍了多Kong介质中溶质传输的基本概念-对流，分散和扩散。 这些机制用对流扩散方程式进行了数学描述。 该模块中的活动包括用于解决ADE的

无人驾驶汽车的动手视觉和行为 这是Packt发布的《无人驾驶的代码库。 使用Python 3和OpenCV 4探索视觉感知，车道检测和对象分类 这本书是关于什么的？ 这本书将使您对推动自动驾驶汽车革命的技术有深刻的了解。 首先，您所需要的只是计算机视觉和Python的基础知识。 本书涵盖以下激动人心的功能： 了解如何执行相机校准 熟悉使用OpenCV在自动驾驶汽车中进行车道检测的工作原理 通过在视频游戏模拟器中自动驾驶来探索行为克隆 掌握使用激光雷达的技巧 探索如何配置自动驾驶仪的控件 使用对象检测和语义分割来定位车道，汽车和行人 编写PID控制器以控制在模拟器中运行的自动驾驶汽车 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，Chapter02。 该代码将如下所示： img_threshold = np.zeros_like(chan

自驾车sp20 2020年Spring，在伯克利加州大学伯克利分校由机器学习教授的自动驾驶汽车贴花。 快速链接： 匿名反馈： : 每周结帐： : //forms.gle/9DfNj87bd9cFiSKh9 群组： : 广场： : Anaconda命令： : 第八周控制理论： 演讲幻灯片： : usp 缩放记录： ： 熟悉带有航点的控制回路。 通过3维状态和2维动作实现PID。 探索迭代LQR并为我们的系统选择一个合适的二次成本。 确保您已经安装了diffopt pip install git+http://github.com/brandontrabucco/diffopt.git 看着： 滑梯 演示/周8 / PID_demo.ipynb 硬件/控制/control_loop.py 写进： hw / control / pid.py（

3DConv_VAE

Customer-segmentation:用于银行客户细分的无监督机器学习项目

酒店特征数据集2021 基于TripAdvisor的酒店推荐数据集，包含70K hotel 。 对于每家酒店，我们收集了以下功能： 酒店名称 国家 街道 地区 星级 住客评分 便利设施 房间特色 房间类型 价格 描述 您可以在上访问数据。 数据集的使用仅限于学术研究目的。 直接下载请点击 ＃样本 特征 价值 姓名 西坦布尔酒店 评论 优：55，好：0，平均：0，差：0，差：2 便利设施 免费停车，免费高速上网（WiFi），免费早餐，自行车出租，... 房间 隔音客房，空调，用餐区，客房清洁，冰箱，有线电视/卫星电视... 类型 山景，海洋景观，城市景观，新娘套房，非吸烟房，... official_description 我们的酒店位于伊斯坦布尔历史半岛的中心。 海景... 评分 5.0 街道 CayIroglu Sk。 No：26BKüçükAyasofya Mahal

动漫推荐系统| Python，惊喜，Jupyter 该项目的目标是开发基于协作的动漫推荐器系统，该系统能够基于数据库信息（包括总用户历史记录和评级ID用户反馈）生成个性化的独特和相关动漫推荐列表，数据来源来自Kaggle。 com 。 有两个关联的数据集，评级数据集和动漫数据集。 评分数据集包含来自7,516个用户的7,813,737个评分（评分等级：1-10），涉及12294种动漫，密度为0.92％； 动漫数据集包含有关每个动漫的信息，共有7列（anime_id，名称，类型，类型，剧集，评分和成员）。 我将python和SUPRISE软件包一起使用，并利用定制的内置数据清理和模型评估程序，研究了各种协作过滤（CF）算法，包括基于项目的KNNWithMeans，SVD，共聚和SVDpp。 SVD在基于nDCG（排名准确性指标）为用户推荐相关动漫的排名列表方面表现最好，而又不牺牲太多速

ATEC_PAY 1. 对数据进行初步的数据分析 2. lgb baseline代码 数据比较大，网速问题，没有上传 本来想好好做下这个比赛，因为暑假实习去的组就是出题的组，所以只能跑路了

自动作文评分 数据集链接

提交Kaggle竞赛“真实与否？NLP与灾难鸣叫”（排名前25％） 挑战链接： : 链接到公共Kaggle笔记本（SVM）： : 在此存储库中，您将找到3个笔记本： 一种使用spaCy字向量和SVM的 一种使用BiLSTM的 一种将预训练的BERT用于序列分类 在测试集上，SVM的f1得分达到0.81152，BiLSTM达到0.80，而BERT达到〜0.83 f1得分。