大数据机器学习-笔记

量化投资与算法交易

在过去几年里，人们普遍认为，算法交易和机器学习结合是未来股票、期货等金融产品的必然趋势。机器学习是由多个数据源（如财务报表、交易历史数据、社交网络数据等）自动分析生成的模型，能够预测出股价
AI天才研究院·2025-03-07 17:08

江科大51单片机学习笔记之LED点阵屏

文章目录一、LED点阵屏介绍二、LED点阵屏工作原理三、74HC595四、实验1补充：C51的sfr、sbit1、位声明2、74HC595写入字节函数3、测试写入字节函数4、显示数据函数5、LED点阵屏显示笑脸（实验最终现象）四、实验21、点阵屏模块化2、利用文字取模软件生成图像数据3、保存图像数据4、主函数一、LED点阵屏介绍LED点阵屏由若干个独立的LED组成，LED以矩阵的形式排列，以灯珠亮
刘小橙666·2025-03-07 16:04

江科大51单片机学习笔记之蜂鸣器

文章目录一、蜂鸣器介绍二、常用驱动电路三、实验1、将所需的文件添加到工程中2、测试按键和数码管功能是否正常3、添加蜂鸣器功能4、模块化一、蜂鸣器介绍蜂鸣器是一种将电信号转换为声音信号的器件，常用来产生设备的按键音、报警音等提示信号蜂鸣器按驱动方式可分为有源蜂鸣器和无源蜂鸣器•有源蜂鸣器：内部自带振荡源，将正负极接上直流电压即可持续发声，频率固定•无源蜂鸣器：内部不带振荡源，需要控制器提供振荡脉冲才
刘小橙666·2025-03-07 16:04

Unity AI 技术浅析（二）

UnityAI涵盖了从智能代理（Agents）、机器学习（MachineLearning）到自然语言处理（NLP）等多个领域。
爱研究的小牛·2025-03-07 16:33

51单片机学习笔记——第二天：蜂鸣器

今天是51单片机学习的第二天，今天学习了如何使用蜂鸣器，学习笔记如下：蜂鸣器主要分为压电式蜂鸣器和电磁式蜂鸣器两种类型。压电式蜂鸣器，也叫做无源蜂鸣器。这里的源不是指“电源”，而是振荡源。
bit__bit·2025-03-07 16:32

pandas学习笔记—DataFrame查询

1、列查询importpandasaspd#创建测试dfdf_book=pd.DataFrame(data=[['论语',5,5],['三体',10,6],['资治通鉴',8,9],['DEEPLEARNING',3,5],['黄帝内经',7,10]],columns=['书名','数量','单价'],index=['a','b','c','d','e'])#用列名直接访问，单列会返回series
风之小西·2025-03-07 16:59

Paper Reading | AI & 数据库融合经典论文回顾

幸运的是，基于机器学习的技术可以缓解这个问题。另一方面，数据库技术可以优化AI模型（DB
·2025-03-07 16:14

2024年Python最新蓝桥杯 基础练习全解 答案+解析 共17题 python，三年经验Python开发面经总结

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。
2401_84139963·2025-03-07 16:26

机器学习——使用分类特征的一种独热编码，

在我们目前看到的例子中，每个特性只能具有两个可能的值中的一个，耳朵形状不是尖的就是软的，脸型不是圆就是不圆，胡须不是存在就是不存在，但是如果特性可以具有两个以上的离散值呢？如何使用一个热编码来解决这样的特性？下图是我们宠物收养中心申请的新培训集，所有的数据都是一样的，除了耳形特征有尖软之外还有椭圆形，所以这个特征仍然是一个分类值特征，但它可以有三个可能的值，而不仅仅是两个可能的值，这意味着当你在这
小卷心菜.·2025-03-07 16:23

C、C++ 与 C# 的区别及应用场景

IT行业的现状和发展趋势在当今的IT行业中，云计算、大数据、人工智能（AI）以及物联网（IoT）等技术正在引领新一轮的技术革新。这些技术
xl.liu·2025-03-07 16:23

esrgan_在 colab 上体验 ESRGAN（低清转高清）

设置笔记本为Python3、GPU模式，并保存。2.建立colab和googledrive的连接先获取授权，将下面代码贴进去运行。运行过程会要求填写
weixin_39713763·2025-03-07 15:20

20210411笔记

一、数据转换。通过python将一串以Enter间隔的串输出为列表input:abcstopcode:l=[]while(True):a=input()ifa=='stop':breakl.append(a)print(l)output:['a','b','c']二、DataFrame在输出成excel时，给某一列加上特定的格式，例如以%的形式来显示。code:#以下为带格式生成代码writer=
Maple丶峰·2025-03-07 15:13

基于springboot+ollama实现大模型接入项目的小白笔记

org.springframework.ai无法被maven加载的问题问题原因：阿里镜像没有这个库共用库中只保存了0.8.1的测试版本解决方法：参考了这个视频https://www.youtube.com/watch?v=dffEF9ORVUg学习视频中方法使用springinitializr这个工具进行项目的生成具体参数如下图在右边依赖中搜索ollama加载ai依赖，以及springweb依赖，
河禾合和·2025-03-07 14:17

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解
洋葱蚯蚓·2025-03-07 13:39

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器
程序员羊羊·2025-03-07 12:03

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。其核心是研究如何从二维图像反推三维世界的结构和规律。例如，自动驾驶中通过多摄像头融合实现道路场景理解，属于典型的CV任务。机器视觉（MV）聚焦于工业场景的自动化检测与控制，强调实时性和精准性。MV系统
程序员Linc·2025-03-07 12:00

分钟级降水预报API：精准掌控天气变化

分钟级降水预报API是一种基于先进气象算法和大数据分析的应用程序接口，能够提供国内任一经纬度未来2小时内，每分钟降水量的精细化预报数据。用户只需通过简单的A
·2025-03-07 12:04

JAVA学习-练习试用Java实现“使用神经网络算法对大数据集进行模式识别和筛选”

问题：实现一个Java程序，使用神经网络算法对大数据集进行模式识别和筛选。
守护者170·2025-03-07 12:25

【Node.js入门笔记1---初始Node.js)】

Node.js入门笔记1初始Node.js1.Node.js简介2.Node.js中js的运行环境3.Node.js可以做什么4.Node.js怎么学初始Node.js1.Node.js简介Node.js
阿陈陈陈·2025-03-07 12:54

Linux内核笔记（驱动篇）之 【u-boot移植--基于正点原子iMX6ull开发板】

博主珍藏笔记干货在这里！
哆哆jarvis·2025-03-07 11:21

Uboot启动学习笔记之四-uboot之初体验

u-boot初体验在这里我们首先要问自己一个问题，前面将了那么多准备的工作，就是为了启动个uboot，那么uboot到底有什么用?它是一致运行的吗，或者叫她的生命周期如何?uboot属于bootloader的一种，是用来引导启动内核的，它的最终目的就是，从flash中读出内核，放到内存中，启动内核.1.uboot的作用1)uboot主要作用是用来启动操作系统内核。体现在uboot最后一句代码就是启
six2me·2025-03-07 11:16

学生行为习惯画像可视分析平台

学生行为习惯，画像分析，可视化，机器学习，数据挖掘，教育科技1.背景介绍随着教育信息化进程的不断加速，海量教育数据正在被生成和积累。
AI智能涌现深度研究·2025-03-07 11:12

数据管理-估算和建模数据处理的内存需求

估算和建模数据处理的内存需求无论是数据处理管道还是科学计算，您通常需要了解您的进程需要多少内存：如果您的内存不足，了解您是否只需要将笔记本电脑的内存从8GB升级到16GB，或者您的进程需要200GB内存并需要优化
李星星BruceL·2025-03-07 11:11

蚂蚁集团可转正实习算法岗内推-自然语言

具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法
飞300·2025-03-07 10:59

深圳传音控股AI算法岗内推

1扎实的数学基础，熟练掌握机器学习相关的数学知识。2熟悉常用的机器学习算法，掌握常用的深度学习模型与编程实践。3熟悉Pytorch或TensorFlow等深度学习框架，有一定项目经验。
飞300·2025-03-07 10:57

基于TableStore的海量气象格点数据解决方案实战

前言气象数据是一类典型的大数据，具有数据量大、时效性高、数据种类丰富等特点。
阿里云云栖号·2025-03-07 10:50

地球科学数据学习笔记---流向与风向、浪向

一、流向（current）流向一般指流体前进的方向、去向，一般以正北方向为正，例如流体从南流向北，则流向为0°，其示意图如下二、风向与浪向风向与浪向一般都指来向，与流向相反，例如风从南吹向北，则为南风，风向为180°。气象数据中一般会将风速数据存成u、v两个分量（雷达数据除外），u分量表示纬向风，v分量表示经向风。u为正，表示西风，风向为270°；v为正，表示南风，风向为180°。示意图如下所示，
fried-ghost·2025-03-07 10:18

大数据与物联网（IoT）的完美融合：驱动智能新时代

大数据与物联网（IoT）的完美融合：驱动智能新时代大家好，我是你们的大数据探索者Echo_Wish。今天，我们将深入探讨大数据与物联网（IoT）整合的重要性及其在现代科技中的应用。
Echo_Wish·2025-03-07 10:48

基于NLP的客户意见分析：从数据到洞察

在这个专栏中，你将会找到：●深入解析：每一篇文章都将深入剖析Python的高级概念和应用，包括但不限于数据分析、机器学习、Web开发等。●实战案例：通过丰富的实战案例，带你一步步实现
Echo_Wish·2025-03-07 10:47

深入理解Kettle：ETL工具的学习与实践

本学习笔记着重于Kettle的核心——转换引擎，详细探讨其数据处理的各个步骤，包括数据的输入、转换、输出以及工作原理，提供了一系列的学习资源和实践操作指南，旨在帮助学习者深入理解并掌握Kettle的转换引擎
未知方程 无解·2025-03-07 10:14

数据集/API 笔记：湿球黑球温度（WBGT）观测数据

data.gov.sgWBGT是一个综合指标，考虑了气温、湿度、风速和太阳辐射，与气温不同。报告的WBGT是过去15分钟内的平均值，每15分钟更新一次。API调用curl--requestGET\--urlhttps://api-open.data.gov.sg/v2/real-time/api/weather调用结果
UQI-LIUWJ·2025-03-07 09:10

数据集/API 笔记：新加坡最新的停车场可用车位信息 & 停车场信息

数据每分钟更新一次使用date_time参数可获取特定时间点的最新停车场可用车位信息调用接口curl--requestGET\--urlhttps://api.data.gov.sg/v1/transport/carpark-availability调用结果API返回的查询时间"2025-03-04T09:10:36+08:00"代表的是API查询的时间，但每个停车场的update_datetim
UQI-LIUWJ·2025-03-07 09:10

Bert模型学习笔记

Bert模型学习笔记Fromhttps://www.bilibili.com/video/BV1Ey4y1874yemmm讲实话这个视频太简单了，不建议看。
文三路张同学·2025-03-07 09:39

DeepSeek本地部署教程（Windows操作系统笔记本电脑适用）

最近DeepSeek非常火，你想不想也本地部署，玩转AI呢？一、将DeepSeek部署到自己的电脑有以下好处：1.数据隐私与安全本地存储：所有数据保存在本地，避免第三方服务器存储带来的隐私风险。数据控制：完全掌控数据访问权限，防止未经授权的访问或泄露。2.性能优化低延迟：本地运行减少网络延迟，响应速度更快。资源利用：可根据硬件配置优化性能，充分利用本地计算资源。3.定制化灵活配置：可根据需求调整模
程序员辣条·2025-03-07 09:07

Bert学习笔记

一、Bert架构BERT使用了双向的TransformerGPT使用从左到右的单向信息ELMo把单独训练的从左到右及从右到左的LSTM模型进行合并二、Bert预训练任务2.1遮蔽语言模型MLM任务：随机屏蔽（masking）部分输入token，然后只预测那些被屏蔽的token。问题：预训练任务与微调任务不一致原因：在finetuning期间从未看到[MASK]token，预训练和finetunin
缓释多巴胺。·2025-03-07 09:05

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对
Mrrunsen·2025-03-07 09:33

探索数据仓库自动化：ETL流程设计与实践

探索数据仓库自动化：ETL流程设计与实践在大数据时代，数据仓库已成为企业数据管理和决策支持的核心工具。如何高效地提取、转换和加载数据（ETL），是数据仓库建设中的重要环节。
Echo_Wish·2025-03-07 08:31

DeepSeek安装部署笔记（二）

Bat批处理文件的编写第五步启动openWebUI的批处理编写1、下面的代码，复制到文本文件，再改扩展名2、这样，在桌面直接双击此文件运行第五步启动openWebUI的批处理编写1、下面的代码，复制到文本文件，再改扩展名@echooffREM关闭回显使界面更简洁setCONDA_ROOT=D:\condasetENV_NAME=openwebuiREM使用’/K’参数保持CMD窗口不关闭，并执行后
山哥ol·2025-03-07 08:00

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系

一、cuda和cudnnNVIDIACUDAToolkit（CUDA）为创建高性能GPU加速应用程序提供了一个开发环境。借助CUDA工具包，您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上开发、优化和部署您的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于部署应用程序的运行时库。全球的深度学习研究人员和框架开发人员都依赖cuDN
longii11·2025-03-07 08:56

Leetcode 刷题笔记1 动态规划part05

开始完全背包不同于01背包，完全背包的特色在于元素可以重复拿取，因此在递归公式和遍历顺序上都有些许不同。leetcode518零钱兑换||在组合方式中所用到的递推公式是dp[j]=dp[j-coins[i]]+dp[j]对于coins[i]>j的情况，forjinrange(coin[i],amount+1)不会执行，即实现dp[i][j]=dp[i-1][j]classSolution:defc
平乐君·2025-03-07 08:51

Leetcode 刷题笔记1 动态规划part06

leetcode322零钱兑换由于本题所求为最少零钱数所以递推公式中应该为dp[j]=min(dp[j],dp[j-coin]+1)classSolution:defcoinChange(self,coins:List[int],amount:int)->int:dp=[float('inf')]*(amount+1)dp[0]=0forcoinincoins:forjinrange(coin,a
平乐君·2025-03-07 08:51

Leetcode 刷题笔记1 动态规划part04

leetcode最后一块石头的重量||问题转化，把石头问题转化为背包问题，在target容量范围内所能装的最大石头重量classSolution:deflastStoneWeightII(self,stones:List[int])->int:total=sum(stones)target=total//2dp=[0]*(target+1)forstoneinstones:forjinrange(
平乐君·2025-03-07 08:50

企业信息查询系统的技术实现路径探析——以某大数据平台为例

本文将以某企业信息查询系统为研究样本，解析其技术架构与实现路径，探讨大数据技术在企业服务场景中的落地应用。
探熵科技·2025-03-07 07:17

大数据面试系列之——Hadoop

Hadoop的三个核心：HDFS（分布式存储系统）MapReduce（分布式计算系统）YARN(分布式资源调度)1.Hadoop集群的几种搭建模式1.单机模式：直接解压安装，不存在分布式存储系统2.伪分布式：NameNode和DataNode安装于同一个节点，无法体现分布式处理的优势。3.完全分布式：一个主节点，多个从节点，存在如果主节点宕机，集群就无法使用的缺点。4.高可用模式：多个主节点，多个
潜心_守道·2025-03-07 07:17

rhcsa个人学习笔记

一、配置网卡cd/etc/sysconfig/network-scripts/进入网卡文件夹vimifcfg-eth0修改网卡配置ipaddr=172.25.250.10netmask=255.255.255.0gateway=172.25.250.254dns=172.25.250.254systemctlrestartNetworkManagerifdowneth0;关闭网卡ifupeth0;
小峰彩铃·2025-03-07 05:25

Linux | 学习笔记

Linux|学习笔记用户管理用户和组管理#查看用户身份[admin@CentOS8~]$idadminuid=1000(admin)gid=1000(admin)组=1000(admin),10(wheel
Fomalhaut α PsA·2025-03-07 05:24

rhce第二次笔记

第二章：时间服务器东八区：UTC+8=CST(北京时间)应用层的时间协议：NTP（网络时间协议）：udp/端口：123Chrony软件：由chronyd（客户端）和chronyc（服务器）两个程序组成chronyd相当于一个守护者，守护进程；chronyc用于监测性能及配置1、软件安装（1）先配置好yum的相关文件#本地源[root@localhost~]#cat/etc/yum.repos.d/
Eoip_zacb·2025-03-07 05:21

python和java的优缺点-java有哪些python没有的优点?

两者各有各的优势：Python的优势：1.学起来简单，开发效率高，同样的功能用Java开发可能需要写200条代码，但是用Python只需要30~50条;2.在大数据挖掘方面有突出优势，是大数据分析首选的编程语言
weixin_37988176·2025-03-07 03:37

《Operating System Concepts》阅读笔记：p200-p202

《OperatingSystemConcepts》学习第22天，p200-p202总结，总计3页。一、技术总结1.CPU-I/Oburst(1)CPUburstSchedulingprocessstateinwhichtheprocessexecutesonCPU.(2)I/OburstSchedulingprocessstateinwhichtheCPUperformsI/O.2.racecon
·2025-03-07 03:20

关于采用源始经为底层框架开发中文编程系统的可能性

**就业市场需求**：Python在人工智能/大数据/Web开发等领域的岗位需求持续增长3.**技术生态优势**：拥有超过30万个第
太翌修仙笔录·2025-03-07 03:26
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他