自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

Datawhale

一个专注于AI领域的开源组织,汇聚了众多顶尖院校和知名企业的优秀学习者,聚集了一群有开源精神和探索精神的团队成员。愿景-for the learner,和学习者一起成长。

  • 博客(22)
  • 资源 (5)
  • 收藏
  • 关注

原创 Datawhale团队第三期录取名单!

Datawhale团队公示:Datawhale 组织成员Datawhale已经成立一年半了,从一开始的12个人,学习互助,到提议建立开源组织,做更多开源的事情,帮助更多学习者,也促进...

2020-09-23 21:17:58 2154

转载 深度学习调参tricks总结!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:山竹小果,来源:NewBeeNLP寻找合适的学习率(lea...

2020-09-30 19:59:00 347

转载 前沿分享:连接统计学,机器学习与自动推理的新兴交叉领域

导语什么是因果科学?它是如何发展的?本文将从以下3个部分介绍:第一部分是因果科学的基本定义及其哲学基础,第二部分是统计领域中的因果推断,第三个部分是因果结合机器学习。因果革命和以数据为中...

2020-09-30 19:59:00 877

转载 one-hot encoding不是万能的,这些分类变量编码方法你值得拥有

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:Andre Ye,来源:机器之心、NewBeeNLPone...

2020-09-27 19:59:00 419

转载 机器学习、数据科学、人工智能、深度学习和统计学之间的区别!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:Vincent Granville,来源:机器之心在这篇文...

2020-09-20 20:59:00 944

转载 做好数据可视化的技巧和原则!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货来源:《数据可视化陷阱》,转自:数据分析&职坐标导读:其...

2020-09-19 19:59:00 452

转载 机器学习在金融风控的经验总结!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:风浪-知乎,来源:NewBeeNLP由于金融风控场景的特殊...

2020-09-18 17:59:00 1661 2

转载 大数据领域75个核心术语讲解!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货选自:DataConomy,来源:机器之心近日,Ramesh D...

2020-09-16 20:17:02 523

转载 总结:DCIC算法分析赛完整方案分享!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:阿水,北航计算机硕士,Datawhale成员DCIC202...

2020-09-15 19:59:00 480 1

转载 机器学习4个常用超参数调试方法!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:Sivasai,来源:AI公园导读ML工作流中最困难的部分...

2020-09-15 19:59:00 701

转载 算法岗面试复盘:阿里,百度,作业帮,华为

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:苏young,整理:NewBeeNLP写在前面先介绍下个人...

2020-09-14 19:59:00 388

原创 深入浅出神经网络的改进方法!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货Michael Nielsen,计算机科学家高尔夫球员刚开始学习...

2020-09-12 21:00:00 1491

转载 数据分析规范总结!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:吴迪-趣店数据分析师,来源:大数据DT导读:在数据分析中,...

2020-09-11 19:59:00 402

原创 九月组队学习!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale学习开源贡献:Datawhale团队本次组队学习为数据挖掘专题学习,...

2020-09-10 19:59:00 257 1

转载 ​2012年至今,细数深度学习领域这些年取得的经典成果!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货来源:AI科技评论,整理:数据派THU本文约6000字,建议阅读...

2020-09-08 19:59:00 242

转载 深度学习需要掌握的 13 个概率分布(附代码)

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货知乎作者:Sophia 来源:深度学习自然语言处理本文仅用于学...

2020-09-06 19:59:00 336

转载 如何用XGBoost做时间序列预测?

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货来源:Jason Brownlee,整理:数据派THU本文约33...

2020-09-06 19:59:00 8786 3

转载 2020算法工程师超实用技术路线图

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:周远,来源:机器之心这是一份写给公司算法组同事们的技术路线...

2020-09-05 20:59:00 961

转载 强化学习,路在何方?

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货来源:DeepRL实验室,转自:睿慕课▌一、深度强化学习的泡沫2...

2020-09-04 19:59:00 569

转载 收藏!PyTorch常用代码段合集

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:Jack Stark,来源:极市平台来源丨https://...

2020-09-03 19:59:00 561

原创 K近邻算法:以"同类相吸"解决分类问题!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:游璐颖,福州大学,Datawhale成员前言KNN(k-n...

2020-09-02 19:59:00 870

原创 《动手学数据分析》开源教程完整发布!

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:陈安东,湖南大学,Datawhale成员1. 开源初衷对于...

2020-09-01 19:58:36 336

用Python解决数据结构与算法问题

一本关于python版本极佳的数据结构和算法相关教材 而掌握算法和数据结构是拿到好offer必备的核心技能!

2018-08-22

机器学习_数学基础_精选教材(概率,线代,微积分)

普林斯顿微积分读本高清中文版 概率论与数理统计 - 陈希孺 MIT线性代数导论_Introduction to Linear Algebra, 4th 每一本都是经典之作,和国内同济版相比,通俗易懂,易于自学。 奠定机器学习数学基础,三本教材就够了!!!

2018-08-09

Airbnb 新用户的民宿预定预测-数据集

Airbnb 新用户的民宿预定预测 kaggle比赛完整数据集 主要包含5个csv文件

2018-06-20

Python数据分析与挖掘实战(高清带标签+源代码)

10余位数据挖掘领域资深专家和科研人员,10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发,以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线,深入浅出介绍Python数据挖掘建模过程,实践性极强。 本书共15章,分两个部分:基础篇、实战篇。基础篇介绍了数据挖掘的基本原理,实战篇介绍了一个个真实案例,通过对案例深入浅出的剖析,使读者在不知不觉中通过案例实践获得数据挖掘项目经验,同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中,应充分利用随书配套的案例建模数据,借助相关的数据挖掘建模工具,通过上机实验,以快速理解相关知识与理论。 基础篇(第1~5章),第1章的主要内容是数据挖掘概述;第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明;第3章、第4章、第5章对数据挖掘的建模过程,包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。 实战篇(第6~15章),重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上,本书是按照先介绍案例背景与挖掘目标,再阐述分析方法与过程,最后完成模型构建的顺序进行的,在建模过程的关键环节,穿插程序实现代码。最后通过上机实践,加深读者对数据挖掘技术在案例应用中的理解。

2018-06-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除