数据科学工程实践

MATLAB 2024b深度学习工具箱新特性全面解析与DeepSeek大模型集成开发：卷积神经网络、迁移学习算法、时间卷积网络、生成式对抗网络、自编码器、目标检测YOLO模型、语义分割、注意力机制等

随着人工智能技术的飞速发展，其与多学科的交叉融合以及在工程实践领域的纵深拓展已成为时代潮流。
WangYan2022·2025-03-26 03:06

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

第三十三篇 事实表深度设计原理：从数学基础到工业级实现的完整框架

目录一、数学原理深度解析1.1四元组模型详解1.2关系代数公式拆解1.3可加性类型辨析二、工业级设计规范2.1粒度控制矩阵详解2.2范式理论实践三、高级工程实践3.1SCD类型4实现详解3.2分布式存储设计四
随缘而动，随遇而安·2025-03-25 09:14

椭圆曲线密码学（ECC）深度解析：原理、算法与工程实践

一、椭圆曲线密码学概述椭圆曲线密码学（EllipticCurveCryptography,ECC）作为现代非对称密码体系的核心技术，通过将传统离散对数问题（DLP）映射到代数曲线上的有理点群，构建了兼具高安全性和低计算开销的密码系统。相较于RSA算法，ECC在实现同等安全强度时密钥长度可缩减为1/6，这一特性使其在移动通信、物联网设备等资源受限场景中展现出显著优势。二、数学基础构建2.1椭圆曲线的
·2025-03-25 08:12

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

一些工程实践中的tips

1，简单方法实现四舍五入实际项目中，经常会出现需要四舍五入的地方，比如采集温度temp，如果直接把float类型保存为小数点后1位。它会直接舍后面多余的位数，这样可能偏差会比较大。我们可以通过+0.5来实现四舍五入。比如：floattemp=30.6;//假设我们是扩大10倍保存//直接保存uint16_tmodbus_data.temp=temp*10;//结果就是30//+0.5uint16_
litvm·2025-03-24 05:05

Android Jetpack 应用架构指南

若需系统学习Android开发，建议先完成《Android基础知识》目录新架构设计背景移动应用交互特性核心架构原则分离关注点数据模型驱动界面单一数据源单向数据流分层架构设计界面层数据层领域层依赖管理方案工程实践指南参考
小李子学编程·2025-03-24 00:44

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

深入解析深度学习中的过拟合与欠拟合诊断、解决与工程实践

本文将从基础概念到工程实践，系统解析其本质特征、诊断方法及解决方案，并辅以可复现的代码案例。二、核心概念与通熟易懂解释简单而言，欠拟合是指模型不能在训练集上获得足够低的误差。
古月居GYH·2025-03-22 22:43

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

并查集：从连通性检测到动态合并的算法艺术

并查集：从连通性检测到动态合并的算法艺术（C++实现）一、并查集：算法世界的隐形支柱在算法竞赛和工程实践中，并查集（DisjointSetUnion，DSU）是解决动态连通性问题的终极武器。
六七_Shmily·2025-03-21 07:33

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

知识蒸馏：从软标签压缩到推理能力迁移的工程实践(基于教师-学生模型的高效压缩技术与DeepSeek合成数据创新)

知识蒸馏通过迁移教师模型（复杂）的知识到学生模型（轻量），实现模型压缩与性能平衡。核心在于利用教师模型的软标签（概率分布）替代独热编码标签，学生模型不仅学习到教师模型输出数据的类别信息，还能够捕捉到类别之间的相似性和关系，从而提升其泛化能力核心概念知识蒸馏的核心目标是实现从教师模型到学生模型的知识迁移。在实际应用中，无论是大规模语言模型（LLMs）还是其他类型的神经网络模型，都会通过softmax
AI仙人掌·2025-03-19 17:20

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

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

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

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

KNN算法性能优化技巧与实战案例

以下从算法优化、数据结构、工程实践三方面深入解析性能提升策略，并附典型应用案例。
可问 可问春风·2025-03-16 09:22

大语言模型原理与工程实践：大语言模型强化对齐

大语言模型原理与工程实践：大语言模型强化对齐作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的迅猛发展，大语言模型
AGI大模型与大数据研究院·2025-03-16 05:52

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

R+VIC模型融合实践技术应用及未来气候变化模型预测

目前，无论是工程实践或是科学研究中都存在很多著名的水文模型如SWAT/HSPF/HEC-HMS等。
科研的力量·2025-03-15 06:57

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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他