学习专题

KNIME 学习、下载

软件下载链接: http://www.knime.org/node/81 开源社区:http://www.oschina.net/p/knime                     http://www.oschina.net/question/12_14026 学习: http://blog.csdn.net/kobayasi/article/details/5388235

机器学习-MLP预测

本文使用机器学习MLP对数据进行预测。 1、数据 1.1 训练数据集: medol.xlsx文件示例 otv3015-1.9153622093018-1.9634097763021-1.7620284083024-1.789477583 1.2 预测数据集 test.xlsx文件示例 ot35163519 2、模型训练 train.py import pandas as

网络安全学习总结

这是一名同学给我的信: 从7月底开始的网络安全课已经结束。当时报名上这个课也是机缘巧合。在去年的时候,我们公司的系统遭到了一次信息泄露。系统中的用户信息、订单信息都遭到了大量泄漏,至今都无法排查出泄漏的原因是什么。有了这么一次事故的教训,我就很想知道系统安全方面应该如何建设。碰巧有极客时间的课程顾问发了这个课程内容,那正好就报名学习一下。 通过近半年的课程,我基本对网络安全等方面的知识有了大

MySQL入门学习-数据修改.删除

MySQL入门学习中,数据修改和删除是非常重要的操作。它们用于修改和删除数据库中的数据,让我们来了解一下它们的概述、特点、使用方法以及与其他操作的比较和高级应用。 一、数据修改、删除的特点及操作。 1. 数据修改:    数据修改用于更新数据库中已存在的数据。它的特点包括:    - 可以修改单行或多行数据。    - 通过UPDATE语句来执行数据修改操作。    -

Andrew Ng 吴恩达的深度学习课程作业 TensorFlow Tutorial (TF2兼容)

使用TensorFlow 2.6.0版本改写TensorFlow 1的代码,使用TF2兼容TF1的API。 1 - Exploring the Tensorflow Library 1.1 导入相关库 import mathimport h5pyimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as

机器学习算法之线性回归的推导及应用

“ 阅读本文大概需要 3 分钟。 ” 之前说过会陆续写一些基本的机器学习算法的原理、推导和应用的文章,今天开始连载啦。 每篇文章的思路是这样的: 如果大家觉得有哪些可以优化的地方可以留言给我,我会慢慢完善的。再后面会陆续放送各个机器学习算法、深度学习模型及相关的实例实践,希望对大家有帮助。 今天首先讲解最基本的机器学习算法,线性回归。 线性回归是机器学习中最基本的算法了,一般要学习机器学习

Vue的学习 —— <vue组件>

目录 前言 正文 一、选项式API与组合式API 二、生命周期函数  1、onBeforeMount() 2、onMounted() 3、onBeforeUpdate() 4、onUpdated() 5、onBeforeUnmount() 6、onUnmounted() 三、组件之间的样式冲突 四、父组件向子组件传递数据 1、定义props 2、静态绑定props 3

美国 AI 顶级院校博士机器学习课程是什么样的?

训练营采用美国顶级院校的教学体系,帮助你在 4-6 个月内找到一份人工智能、机器学习、深度学习、数据科学家、算法工程师等AI相关岗位,或协助你申请美国、欧洲相关院校 AI 方向的学位。 由于 AI 领域的飞速发展,课程也会与时俱进。由 11 位美国 AI 博士组成的教研团队会确保在 2 周之内新出的重要技术,第一时间可以让你学会并熟练应用。 让我们来了解一下这个课程深度对标卡耐基梅隆大

小马的零基础机器学习推荐

“ 阅读本文大概需要 7 分钟。 ” 哈喽大家好,这里是编辑部小马。今天想分享我自己的机器学习入门的感想,希望能对大家有借鉴价值。 我本人(小马,不是崔哥)本科其实是自动化毕业的,目前在北京读研,读研期间转的数据挖掘方向,开始学习 Python。学习编程是个大趋势,别说是自动化专业本身就有涉及,很多经济学甚至是心理学这种看似无关的研究生同学,也都在学习相关的内容。但一开始的学习非常痛苦——尤其

Web agent 学习 2:TextSquare: Scaling up Text-Centric VisualInstruction Tuning

学习论文:TextSquare: Scaling up Text-Centric Visual Instruction Tuning(主要是学习构建数据集) 递归学习了:InternLM-XComposer2: Mastering Free-form Text-Image Composition and Comprehension in Vision-Language Large Models(

利用 Python 深度学习识别滑动验证码缺口

“ 阅读本文大概需要 5 分钟。 ” 在前面写过一篇文章介绍深度学习识别滑动验证码缺口的文章《利用深度学习识别滑动验证码缺口位置》,在这篇文章里,我们使用华为云 ModelArts 轻松完成了滑动验证码缺口的识别。但是那种实现方案依赖于现有服务,是华为云提供的深度学习平台所搭建的识别模型,其实其内部是用的深度学习的某种目标检测算法实现的,如果利用平台的话,我们无需去申请 GPU、无需去了解其内

巩固学习8

在 Pandas 中,sep参数用于指定数据中字段之间的分隔符。常见的参数包括: 逗号:,,常用于CSV文件。 制表符:\t,常用于TSV文件。 空格:’ ',用于空格分隔的数据。 分号:;,有些文件使用分号来分隔字段。 正则表达式:使用正则表达式作为分隔符。 这些是一些常见的sep参数值,具体取决于数据文件中字段之间的实际分隔符。 pandas数据处理的过程 1.data=pd.read_cs

新人学习笔记值(初始JavaScript)

一、Java Script是什么         1.Java Script是世界上最流行的语言之一,是一种运行在客户端的脚本语言(script是脚本的意思)         2.脚本语言:不需要编译,运行过程中由js解释器(js引擎)进行解释并运行         3.现在也可以基于 node.js 技术进行服务器端编程 二、Java Script的作用         1.表单动态校

需要学习的东西

需要学习的东西 【(关键词:spring - event)(副关键词:springCloud、代码解耦、主线程沟通子线程)】 https://blog.csdn.net/SunBigBoy/article/details/130231585 【(关键词:spring - stream)(副关键词:lambda、业务操作)】 https://b23.tv/E8ie7jj

系统思考—团队学习

结束昨日435期JSTO“探索学习的新视界:硬核工具分享”,有伙伴分享的提升效率的AI工具,也有自我发现团队问题解决的工具,伙伴们都在各自的领域实践、吸收、反馈、复盘。这次的团队学习不仅是知识的传递,更是一场脑力激荡。 每次的JSTO的设计,我们底层都会使用《第五项修炼:学习型组织建立》的核心工具,通过系统思考,我们学会了如何在更广阔的框架内看待问题,将孤立的知识点串联成有机的整体。每个分享不只

让“分布式”和“深度学习”真正深度融合

“ 阅读本文大概需要 10 分钟。 ” 近年来,作为人工智能发展迅速的领域之一的深度学习,在NLP、图像识别、语音识别、机器翻译等方面都取得了惊人的成果。 但是,深度学习的应用范围却日益受到数据量和模型规模的限制。如何才能高效地进行深度学习模型训练呢? 分布式技术是深度学习技术的加速器。同时利用多个工作节点,分布式地、高效地训练出性能优良的神经网络模型,能够显著提高深度学习的训练效率、进一步增

万字长文 | 这可能是东半球最保姆级的后台服务器开发学习路线

前言 这一篇的主题是「Linux C/C++ 服务器/后台开发学习路线」。 这篇文章会有点长有点干,可以先去冲杯咖啡,慢慢看~ 正文 | 干货 |收藏 一、后端/后台/服务器开发? 经常在各大公司招聘上看到后端、后台、服务器开发等等,有些同学经常被这些名词搞混。 其实这些名词都是相近的,但是也有点区别,这里说说我的理解: 首先一般公司分为前端和后端,前端就是和用户打交道的,负责用良好的视觉效果将

5.14学习总结

java聊天室项目 分片上传 将大文件切分为多个小的数据块(通常大小为1MB~10MB),然后将这些小数据块分别上传至服务器,最后由服务器将这些小块组合成完整的文件。这种方式可以避免由于网络中断或超时而导致上传失败,并且能够更好地控制上传进度。 客户端将文件切成固定大小的块(例如每个块的大小为1MB),并为每个块生成唯一的标识符。客户端逐个上传每个块到服务器。上传时,客户端将块的标识符和块

20240514基于深度学习的弹性超材料色散关系预测与结构逆设计

论文:Dispersion relation prediction and structure inverse design of elastic metamaterials via deep learning DOI:https://doi.org/10.1016/j.mtphys.2022.100616 1、摘要 精心设计的超材料结构给予前所未有的性能,保证了各种各样的具体应用。传统

机器学习过拟合和欠拟合!看这一篇文章就够了 建议收藏!(上篇)

在机器学习中,有一项非常重要的概念,那就是:过拟合(Overfitting)和欠拟合(Underfitting)。 它们涉及到机器学习中常见的两种模型性能问题,分别表示模型在训练数据上表现得过于复杂或过于简单。 下面咱们先来简单聊聊关于过拟合和欠拟合的特征和防止性能问题的方法。 大家伙如果觉得还不错!可以点赞、转发安排起来,让更多的朋友看到。 ok,咱们一起来看看~ 过拟合(Overfi

训练集、测试集与验证集:机器学习模型评估的基石

在机器学习中,为了评估模型的性能,我们通常会将数据集划分为训练集(Training Set)、验证集(Validation Set)和测试集(Test Set)。这种划分有助于我们更好地理解模型在不同数据上的表现,并据此调整模型参数,避免过拟合和欠拟合。本文将详细介绍这三个集合的作用,并通过代码演示如何进行数据集的划分。   目录 一、训练集、验证集与测试集的作用 二、为什么需要这样

Linux学习笔记(Socket)

Linux-Socket 1、基础知识2、服务端3、客户端4、读写操作4.1、读写函数4.2、阻塞IO和非阻塞IO 5、例程 1、基础知识 socket用于计算机之间的网络通信,无论是构建服务器还是客户端,我们仅需要三个信息,服务器的ip地址,对应进程的端口号,通信协议。 拿到ip地址,便自然知道其ip种类且同时知道该服务器的位置,拿到端口号便知道具体和哪个程序对接。一般而言我们

SpringBoot学习之SpringBoot(一)之初始化

SpringBoot(一)之初始化 文章目录 SpringBoot(一)之初始化SpringBoot框架 SpringBoot简化配置1. 创建SpringBoot项目关于初始化错误 2. SpringBoot项目结构主类pom.xml1. 关于spring-boot-starter-parent2. 关于spring-boot-starter-web3. 关于spring-boot

机器学习案例:加州房产价格(四)

参考链接:https://hands1ml.apachecn.org/2/#_12 数据探索和可视化、发现规律 通过之前的工作,你只是快速查看了数据,对要处理的数据有了整体了解,现在的目标是更深的探索数据。 首先,保证你将测试集放在了一旁,只是研究训练集。 另外,如果训练集非常大,你可能需要再采样一个探索集,保证操作方便快速。 在这个案例中,因为数据集很小,所以可以在全集上直接工作。创建一个

RustGUI学习(iced/iced_aw)之扩展小部件(十六):如何使用菜单menu部件来创建菜单栏?

前言 本专栏是学习Rust的GUI库iced的合集,将介绍iced涉及的各个小部件分别介绍,最后会汇总为一个总的程序。 iced是RustGUI中比较强大的一个,目前处于发展中(即版本可能会改变),本专栏基于版本0.12.1. 概述 这是本专栏的第十六篇,主要讲述menu菜单部件的使用,会结合实例来说明。 系列博客链接: 1、RustGUI学习(iced)之小部件(一):如何使用按钮button

软件项目管理(学习笔记)

1.项目与项目管理 项目    1.项目:项目是一次性的、以目标为导向的(目标明确)、通过项目经理及其团队工作完成的、存在大量的变更管理。     2.项目的特点: 有明确的目标性 明确的时限性 资源成本的约束性 项目的不确定性 唯一性(一次性) 3.项目的定义:是为了创造一个唯一的产品或提供一个唯一的服务而进行的临时性的活动。 项目管理 1.项目管理通俗理解:假设要做一件事情,有一定的约束和目