数据科学实战篇

极狐GitLab X 华东师范大学，助力打造数据驱动教育的“学、练、测、评”一站式教学平台水杉在线

客户背景华东师范大学（以下简称华东师大）数据科学与工程学院工程团队从2019年开始就在教研中使用GitLab，从极狐GitLab成立之后，就从GitLab切换到了极狐GitLab（GitLab-JH）并使用至今
·2025-03-26 21:21

云原生周刊：Ingress-NGINX 漏洞

FlyteFlyte是Lyft开发的云原生工作流自动化平台，专为数据科学和机器学习工作
·2025-03-25 18:30

Python数据科学基础（四）：函数定义与Lambda表达式的艺术

Python数据科学基础（四）：函数定义与Lambda表达式的艺术本文导览为什么函数是数据科学工作流的秘密武器标准函数定义：构建可重用的数据处理模块Lambda表达式：数据转换的瑞士军刀函数参数的艺术：
SuperMale-zxq·2025-03-25 13:47

Python数据科学基础（一）：环境搭建与IDE选择的终极指南

Python数据科学基础（一）：环境搭建与IDE选择的终极指南本文导览为什么环境搭建是数据科学之旅的关键第一步Python环境管理：避免99%初学者都会踩的坑数据科学IDE选择：不同需求的最佳搭配环境配置进阶
SuperMale-zxq·2025-03-25 10:54

如何使用 Python 爬虫爬取滴滴打车信息：获取司机和乘客数据

作为开发者或数据科学家，如何有效地获取这些数据并进行分析，是一个具有挑战性的问题。本文将详细介绍如何使用Python爬虫技术爬取滴滴打车的相关信息，包括司机和乘客数
Python爬虫项目·2025-03-25 10:51

Python数据科学入门：NumPy、Pandas和Matplotlib的实用指南

数据科学是一个跨学科的领域，结合了统计学、计算机科学和数学，用来分析和解读复杂的数据。Python作为数据科学的主流编程语言之一，拥有强大的库和工具，使得数据分析、科学计算、数据可视化变得更加简便。
威哥说编程·2025-03-25 02:27

Python数据科学与机器学习实战 - 前言与学习路线图

Python数据科学与机器学习实战-前言与学习路线图为什么你需要这份路线图在数据爆炸的时代，每个行业都在经历一场数据革命。
SuperMale-zxq·2025-03-25 00:40

conda：一个当下最流行的Python虚拟环境工具

作者：LeonWang，现为中科院特别研究助理(博士后)，在AI、数据科学和科学计算等方面相关的工程实践上积累了丰富的经验。编辑：王老湿前面的文章中，为大家介绍过Python下的虚拟环境和包管理。
Wang_AI·2025-03-23 18:23

Python 爬虫实战：从知乎盐选专栏，爬取优质内容付费数据

目录一、前言二、准备篇2.1确定目标2.2工具与库2.3法律与道德声明三、实战篇3.1分析知乎盐选专栏页面3.2模拟登录3.3获取文章列表3.4爬取更多文章数据3.5数据存储四、分析篇4.1数据清洗4.2
西攻城狮北·2025-03-23 17:44

【MySQL】实战篇—数据库设计与实现：根据需求设计数据库架构

在设计数据库架构时，开发者需要遵循一系列步骤，以确保数据库能够高效、可靠地满足系统需求。以下是设计数据库架构的理论知识和步骤说明。1.需求分析需求分析是数据库设计的第一步，旨在理解系统的功能需求和数据需求。通过与利益相关者（如用户、开发人员和业务分析师）进行沟通，明确系统需要存储和管理的数据类型。步骤说明识别业务需求：确定系统的主要功能，例如用户管理、订单处理、库存管理等。收集数据需求：明确每个功
AI人H哥会Java·2025-03-23 10:50

python使用Bokeh库实现实时数据的可视化

Python语言以其丰富的数据科学生态系统而闻名,其中Bokeh库作为一种功能强大的可视化工具,为实时数据的可视化提供了优秀的支持,本文将介绍如何使用Bokeh库实现实时数据的可视化,并提供相关代码实例
Oona_01·2025-03-23 05:05

Python程序设计（入门）

它具有简洁、易读、易学的语法特点，被广泛应用于多个领域，包括软件开发、数据科学、人工智能、网络编程等。以下是Python的一些主要特点和优势：简单易学：Python的语法简洁明了，易于理解
xyyykx·2025-03-23 03:13

DS/ML：数据科学技术之数据科学生命周期(四大层次+机器学习六大阶段+数据挖掘【5+6+6+4+4+1】步骤)的全流程最强学习路线讲解之详细攻略

DS/ML：数据科学技术之数据科学生命周期(四大层次+机器学习六大阶段+数据挖掘【5+6+6+4+4+1】步骤)的全流程最强学习路线讲解之详细攻略导读：本文章是博主在数据科学和机器学习领域，先后实战过几百个应用案例之后的精心总结
一个处女座的程序猿·2025-03-23 03:41

Python技术全景解析：从基础到前沿的深度探索

1.核心优势矩阵2.性能进化史二、Python核心应用领域1.数据科学黄金三角2.AI开发新范式三、现代Python进阶技巧1.类型提示革命2.异步编程实战四、Python工程化实践1.现代项目架构2.
靠近彗星·2025-03-22 18:10

Neo4j GDS-02-graph-data-science 简单聊一聊图数据科学插件库

neo4japoc系列Neo4jAPOC-01-图数据库apoc插件介绍Neo4jAPOC-01-图数据库apoc插件安装neo4jonwindows10Neo4jAPOC-03-图数据库apoc实战使用使用Neo4jAPOC-04-图数据库apoc实战使用使用apoc.path.spanningTree最小生成树Neo4jAPOC-05-图数据库apoc实战使用使用labelFilter详细介绍
老马啸西风·2025-03-22 17:07

从入门到进阶：Python数据可视化实战技巧

在数据分析和数据科学领域，数据可视化是将复杂数据以直观图形展示的重要手段。Python作为数据科学领域的首选语言之一，提供了强大的数据可视化库，如Matplotlib、Seaborn、Plotly等。
Blossom.118·2025-03-22 13:00

[2]2025年新手集成开发环境（IDE）选择指南

本文涵盖‌主流IDE推荐（分场景）‌、‌安装配置详解及‌高频问题解决方案‌，如数据科学领域必备工具‌Anaconda‌和‌Spyder‌，帮助新手快速上手编程开发。
Aqua_chang·2025-03-22 08:08

奇异值分解（SVD）

SVD广泛应用于机器学习、数据科学和其他计算领域，用于降维、降噪和矩阵近似等应用。与仅适用于方阵的特征分解不同，SVD可以应用于任何矩阵，使其成为一种多功能工具。
文弱_书生·2025-03-21 15:42

全面掌握Python：从安装到基础再到进阶的系统学习之路（附代码，建议新手收藏）

Python，作为一种现代化的高级编程语言，因其简洁易懂的语法和强大的功能，成为了数据科学、人工智能、Web开发等多个领域的首选语言。
der丸子吱吱吱·2025-03-21 14:00

【新品发售】NVIDIA 发布全球最小个人 AI 超级计算机 DGX Spark

DGXSpark(前身为ProjectDIGITS)支持AI开发者、研究人员、数据科学家和学生，在台式电脑上对大模型进行原型设计、微调和推理。
·2025-03-21 12:09

学习Python如何高效处理CSV文件的技巧！

在Python中，处理CSV文件是一项非常常见的任务，特别是在数据分析和数据科学领域。CSV文件的全称是Comma-SeparatedValues，顾名思义，它以逗号为分隔符来存储表格数据。
程序员总部·2025-03-21 07:57

SQL语言的散点图

SQL语言的散点图引言在数据科学和数据分析的领域中，数据可视化是一项重要的技能。有效的数据可视化可以帮助我们理解复杂的数据集，发现数据中的潜在规律，进而支持决策制定。
苏墨瀚·2025-03-20 12:53

Linux安装Anaconda和Jupyter

一、了解Anaconda和Jupyter引言：Anaconda是一个流行的开源数据科学平台，广泛用于数据分析、机器学习、人工智能等领域。
硬水果糖·2025-03-20 08:20

Python 爬虫实战：如何爬取小红书数据并进行分析

因此，如何从小红书获取数据进行分析，成为了数据科学、市场营销和社交媒体研究中的一个重要课题。本文将介绍如何使用Python编写爬虫爬取小红书的数据，分析如何通过小红书的开放API获取用户信息、帖子
Python爬虫项目·2025-03-19 23:40

Neo4j GDS-02-graph-data-science 简单聊一聊图数据科学插件库

neo4japoc系列Neo4jAPOC-01-图数据库apoc插件介绍Neo4jAPOC-01-图数据库apoc插件安装neo4jonwindows10Neo4jAPOC-03-图数据库apoc实战使用使用Neo4jAPOC-04-图数据库apoc实战使用使用apoc.path.spanningTree最小生成树Neo4jAPOC-05-图数据库apoc实战使用使用labelFilter是什么？
·2025-03-19 21:30

Python数据可视化与地理空间分析

一、引言数据可视化与地理空间分析是数据科学领域中的两个重要领域，其中数据可视化侧重于将数据转换成可视化的图表，而地理空间分析则关注于如何在地理空间内处理与分析数据。
CrMylive.·2025-03-19 13:21

基于Geopandas的地理空间数据可视化与分析方法研究

地理空间数据可视化是数据科学中重要的应用之一。通过有效地展示地理信息，我们能够深入理解空间数据的分布和模式。
一键难忘·2025-03-19 13:18

统计机器学习 (Statistical Machine Learning) 原理与代码实例讲解

统计机器学习(StatisticalMachineLearning)原理与代码实例讲解1.背景介绍统计机器学习是现代人工智能和数据科学的核心领域之一。
AGI大模型与大数据研究院·2025-03-19 09:11

【Conda与Pip的完美融合】在Conda环境中优雅使用pip指南

标题：【Conda与Pip的完美融合】在Conda环境中优雅使用pip指南Conda是一个强大的包管理器和环境管理器，广泛用于Python社区，尤其是在数据科学和机器学习领域。
2401_85702623·2025-03-19 06:12

AIGC带来数据革命：R语言如何成为数据科学家的秘密武器？

文章目录一、R语言的基础特性1.1R语言的起源与发展1.2R语言的核心优势二、R语言在AIGC中的应用场景2.1数据预处理与清洗2.2文本分析与生成2.3机器学习与模型构建2.4数据可视化与报告生成三、R语言在AIGC中的具体案例3.1金融数据分析与预测3.2医疗数据分析与建模3.3社交媒体数据分析与情感分析四、R语言在AIGC中的未来展望4.1与深度学习框架的集成4.2与云计算平台的集成4.3与
程序边界·2025-03-18 19:22

实战篇：GBase 8a MPP Cluster 安装部署过程

目录前言☀️环境准备安装介质下载操作系统安装安装前准备1、关闭防火墙2、禁用Selinux3、创建gbase用户4、创建目录并授权5、重启主机❤️GBase8aMPPCluster安装主节点上传安装介质主节点解压安装包分发配置文件配置环境变量修改主节点安装配置文件主节点执行安装命令检查集群状态申请和导入授权①导出集群各节点的指纹信息②邮件申请授权③主节点导入授权④检查授权情况所有节点启动集群服务主
Lucifer三思而后行·2025-03-17 23:03

【大模型实战篇】使用GPTQ量化QwQ-32B微调后的推理模型

1.量化背景之所以做量化，就是希望在现有的硬件条件下，提升性能。量化能将模型权重从高精度（如FP32）转换为低精度（如INT8/FP16），内存占用可减少50%~75%。低精度运算（如INT8）在GPU等硬件上计算效率更高，推理速度可提升2~4倍。我们的任务是，将QwQ-32B微调后的推理模型，也就是bf16的精度，通过量化，压缩到int4。关于QwQ-32B微调，可以参考《利用ms-swift微
源泉的小广场·2025-03-17 21:19

Python软件和搭建运行环境

1.使用venv（Python内置）2.使用conda（推荐数据科学方向）三、开发工具推荐与配置1.IDE选择2.VSCode配置指南四、常见问题解决方案1.python命令无效？2.pip
办公小百知·2025-03-17 17:50

【数据结构实战篇】深入浅出：C语言中的栈数据结构

️专栏：【数据结构实战篇】主页：f狐o狸x前面几期内容里面我们详细的了解了数据结构中链表的结构，现在我们在来了解一下栈的结构一、栈1.1栈的概念及结构栈：一种特殊的线性表，其只允许在固定的一端进行插入和删除元素操作
f狐0狸x·2025-03-17 10:57

Python依赖管理工具分析

缺乏从一开始就进行统一规划和设计的意识社区的分散性：Python社区庞大且分散，众多开发者和团队各自为政，根据自己的需求和偏好开发工具，缺乏统一的协调和整合机制多样化的使用场景：Python应用场景广泛，从Web开发到数据科学
xdpcxq1029·2025-03-17 01:19

【大模型实战篇】对比包括QwQ-32B在内的不同推理模型的吞吐量表现

因为项目对推理模型的性能有比较高的要求，因此对目前一些主流的推理模型做了对比，包括QwQ-32B、QwQ-32B-GPTQ-INT4、QwQ-32B-GPTQ-INT8、Light-R1-14B-DS进行了吞吐量的对比实验。实验采用A800机器，测试双卡部署以及四卡部署的模式，推理框架采用vllm，关于部署的细节参考《vllm本地部署阿里最新的QwQ-32B推理模型》。模型参数链接如下：模型名称参
源泉的小广场·2025-03-17 01:49

R语言的移动应用开发

R语言的移动应用开发在数据科学和统计分析的大潮中，R语言因其强大的数据处理和可视化能力而备受青睐。然而，R语言对移动应用开发的适用性并未得到广泛关注。
滕若岚·2025-03-17 00:10

Python 3.12 新特性解析及对开发效率的提升

PatternMatchingEnhancements三、标准库更新（一）NewModulesandFunctions（二）ImprovementstoExistingModulesPython作为一种广泛应用于数据科学
叶间清风1998·2025-03-16 18:57

❤【纯干货】Matplotlib总结，任何项目都用得到❤

走过数据科学的路，路上必然有Matplotlib的风景在你周围。如果同一个项目，你的用了matplotlib不仅有基本图形、定制化图形、多个坐标轴、3D绘
.Boss.·2025-03-16 11:36

23章9节：分层随机抽样及其在R语言中的实现与验证

在统计学和数据科学的实际工作中，抽样方法始终扮演着至关重要的角色。如何从庞大的总体中获取具有代表性的样本，一直是数据分析过程中需要面对的核心问题之一。
DAT｜R科学与人工智能·2025-03-16 11:01

机器学习算法实战——天气数据分析（主页有源码）

✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.引言天气数据分析是气象学和数据科学交叉领域的一个重要研究方向。
喵了个AI·2025-03-16 10:27

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践数据降维简介降维技术的重要性在数据科学和机器学习领域，数据降维是一种关键的技术，用于减少数据集的维度，同时保留数据的结构和重要信息。
kkchenkx·2025-03-16 04:17

老板既要又要还要......我用Doris+Hudi把不可能变成了日常

....我用Doris+Hudi把不可能变成了日常探索Doris与Hudi的完美融合智能查询优化华丽转身-不止于快的进化Doris+Hudi湖仓一体的"艺术之美"大数据江湖中流传着这样一个传说：有一位数据科学家
一臻数据·2025-03-15 15:42

超详细的Numpy基础教程！！！

Numpy在数据科学中非常重要，因为它提供了高效的数组处理能力和广泛的数学函数库，这对于处理大规模数据集、进行科学计算和机器学习等任务至关重要。
不会爬虫的闲鱼·2025-03-15 11:08

Python说明

**丰富的库**：Python拥有庞大的标准库和第三方库，涵盖了从Web开发到数据科学的多个领域。4.**动态类型**：Python是动态类型语言，变量不需要显式声明类型。5.
一一代码·2025-03-15 07:28

手写机器学习算法系列——K-Means聚类算法(一)

1.聚类算法简介在数据科学和机器学习领域，聚类(Clustering)算法是一种无监督学习方法，它将相似的对象分到同一个组，而不同的对象则被分到不同的组。
木有鱼丸223·2025-03-14 16:52

Python实现机器学习项目教程：房价预测

Python实现机器学习小项目教程：房价预测案例机器学习（MachineLearning）是数据科学中的一项重要技术，它通过从数据中学习规律，进行预测和决策。
向着开发进攻·2025-03-14 08:47

winpython使用教程-winpython是什么

它是一个功能齐全的基于python的科学环境:●专为科学家、数据科学家和教育设计(感谢NumPy、SciPy、y、Matplotlib、panda、pyqtgraph等):使用Python与Spyder
weixin_37988176·2025-03-14 06:34

Spring设计模式-实战篇之责任链模式

什么是责任链模式？责任链模式是一种行为设计模式，它允许你创建一系列对象，使每个对象都有机会处理请求。在该模式中，请求沿着对象链传递，直到最后一个责任链对象为止，责任链模式包括以下几个要点：Handler接口：定义了处理请求的接口，通常包含一个处理请求的方法。ConcreteHandler具体处理者类：实现了处理请求的方法，并决定是否自行处理请求或将请求传递给下一个处理者。Client客户端：创建责
每天一个java小知识·2025-03-14 04:20

PyTorch 和 Python关系

广泛使用:Python在数据科学、人工智能、Web开发、自动化等多个领域有着广泛的应用。库和生态系统丰富:Python拥有丰富的第三方库和工具，如NumPy、pan
一只积极向上的小咸鱼·2025-03-14 03:13
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他