baby_hua的专栏

DDP

Bidirectional Encoder Representations from Transformers，即Bert；

Bidirectional Encoder Representations from Transformers，即Bert；

Bidirectional Encoder Representations from Transformers，即Bert；

Bidirectional Encoder Representations from Transformers，即Bert；目标是熟练掌握Bert及其变体来执行实际的自然语言处理任务；利用Bert模型超强的理解能力来简化自然语言处理任务；

【代码】Librosa基础使用。

参与者一般是指市场占有率介于5%～15%之间的企业，这些企业虽然不能对市场产生重大的影响，但是它们是市场竞争的有效参与者；对于数据分析师来说，在你的分析过程中可以使用，但是往往需要行业专家的指点，因为这些模型是弱数据支撑型，你没有行业和专业认知得出的结论难具说服力。SCP 框架的基本涵义是，市场结构决定企业在市场中的行为，而企业行为又决定市场运行在各个方面的经济绩效。RFM模型，衡量用户价值和创利能力，该模型通过一个客户的近期购买行为R、购买的总体频率F和花了多少钱M三项指标来描述该客户的价值；

数据分析——Python内容学习【1】该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！简介2022最新版Python数据分析小白教程编程环境基础库：Python3NumpypandasmatplotlibSciPy.org：许多计算方法sklearn：许多建模模型seabornKeras：神经网络数据分析概述利用统计分析方法 提取有用信息 总结与概括；用户行为分析、用户画像、商品画像、商品推荐、市场分析“数据是未来的核心，未来数据量是区

《精通特征工程》——速读学习1 基础特征工程该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！time: 2022-02-08学习目标：“通过Python示例掌握特征工程基本原则和实际应用，增强机器学习算法效果”；目录第1章 机器学习流程：数值 模型 特征第2章 简单而奇妙的数值：数值型数据的基础特征工程，过滤 分箱 缩放 对数变换和幂次变换，以及交互特征第3章 文本数据：扁平化、过滤和分块：自然文本特征工程，研究词袋 n-gram 短语检测技术第4章 特征缩放

一直想学习一下数理统计的基础内容，查了下有人推荐了这本书，希望仔细阅读后能有所收获；能够理解并表达出通过统计学运算得出的结论，是一项有用的能力；理解和学习统计学需要一定的数据基础知识；统计数学是必须掌握的数学能力；本书涵盖了学习统计学所需的初中阶基础数学知识，主要目标是为了读者理解，练习题也有必要做做；本书还介绍了这些数学知识在统计学中的应用范围与具体方法；总结来说，通过阅读本书，可以学习到 对收集的数据加以分析的统计方法，以及 从部分数据中推算出整体情况的推测统计的入门知识；统计就是将收集到的数据（数值）

Pytorch官网在线文档Torch 意义上类似于TensorFlow中的Tensor，可以看做是能在GPU中计算的矩阵；熟悉numpy的也可以理解为ndarray的GPU版；使用该深度学习框架后，我们所需要做的就是设计任务流程，设计网络框架；CPU版本：pip install torch1.3.0+cpu torchvision0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.htmlGPU版本：pip install torch1.3.

2021-10-22 学习笔记：FastAPI基础使用指南已经第三针疫苗了，祝所有人平安！简单使用路径参数查询参数请求体查询参数和字符串校验路径参数和数值校验请求体参数请求体 —— 多个参数请求体 —— 字段请求体 —— 嵌套模型模式额外信息数据类型Cookie参数Header参数响应模型其他模型响应状态码常用的http状态码表单数据上传文件处理错误覆盖默认异常处理器路径参数配置jsonable_encoderPydantic 的

《机器学习》理论——速读学习3 进阶知识该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！time: 2022-01-12学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；第11章 特征选择与稀疏学习第12章 计算学习理论第13章 半监督学习第14章 概率图模型（无笔记）第15章 规则学习（无笔记）第16章 强化学习（无笔记）第11章 特征选择与稀疏学习11.1 子集搜索与评价对于一个学习任务来说，

《机器学习》理论——速读学习2 常用方法（3）该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！time: 2021-12-24学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；第9章 聚类第10章 降维与度量学习第9章 聚类9.1 聚类任务无监督学习中，训练样本的标记信息未知，目标是通过对无标记训练样本的学习来揭示数据内在的性质及规律，为进一步数据分析做基础；此类问题研究最多的就包括“聚类（cluster

《机器学习》理论——速读学习2 常用方法（2）该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！time: 2021-12-21学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；第6章 支持向量机第7章 贝叶斯分类器第8章 集成学习第6章 支持向量机6.1 间隔与支持向量给定训练样本集，分类学习是在样本空间中找到一个划分超平面，将不同类分开；但是这样的划分超平面可能有多个，寻找的话，直观上应该找所有划分超

《机器学习》理论——速读学习2 常用方法（1）该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！time: 2021-12-09学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；第4章 决策树第5章 神经网络第4章 决策树4.1决策树（decision tree），也称判定树（学习方法or学习得到的树），是一种常见的机器学习方法；以一个二分类问题为例，可以看做是对“当前样本属于正类吗？”这个问题的决策或判

《机器学习》理论——速读学习1 基础知识该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！Time: 2021-12-05学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；目录清华-周志华 2016年出版的，从时间上看，算是比较古老的一本书；从目录上看，内容涵盖了模型设计和评估设计的主要算法，应该比学习视频中所能学习到的更加深入和深刻；也包含了神经网络、特征工程的内容，监督学习、半监督学习、强化学习等内容也有讲