数据科学算法竞赛第7页

【深度学习：集中偏差】减少计算机视觉数据集中偏差的 5 种方法

如何减少计算机视觉数据集中偏差的示例观察并监控带注释样本的类别分布确保数据集代表模型适用的人群明确定义对象分类、标记和注释的流程为标签质量保证建立共识基准定期检查模型的性能尽管计算机视觉领域有无数的创新，但“垃圾进，垃圾出”的概念仍然是数据科学领域内任何事物的关键原则

jcfszxc·2024-01-24 10:18

第四部分第十二章：序列和时间序列

第四部分第序列，时间序列和预测时间序列数据科学中最常用的技术之一，它具有广泛的应用—天气预报、销售预测、趋势分析等。本部分主要介绍时间序列的生成，并主要使用RNN、双向LSTM对时间序列进行预测。

清☆茶·2024-01-24 08:30

高清图解：神经网络、机器学习、数据科学一网打尽

城市中迷途小书童·2024-01-24 05:32

【GitHub项目推荐--微软开源的课程（Web开发课程/机器学习课程/物联网课程/数据科学课程）】【转载】

微软在GitHub开源了四大课程，面向计算机专业或者入门编程的同学。分别是Web开发课程、机器学习课程、物联网课程和数据分析课程。四大课程在GitHub上共斩获90K的Star，每一课程包含20多小节，完成课程大约需要12周。每小节除了视频讲解，还都包括课前和课后的测试、完成课程的书面说明、作业和答案等。01Web开发课程Web开发课程由Microsoft的AzureCloudAdvocates提

旅之灵夫·2024-01-24 01:34

【算法基础 & 数学】快速幂求逆元（逆元、扩展欧几里得定理、小费马定理）

文章目录为什么需要逆元逆元的概念1.单位元2.逆元3.模乘的单位元4.模乘的逆元开始求逆元1.扩展欧几里得定理2.费马小定理原文链接为什么需要逆元首先，在算法竞赛中，很多情况下会遇到数值很大的数据，这个时候

为梦而生~·2024-01-23 20:49

一、基础数据结构——2.队列——3.双端队列和单调队列1

参考资料：《算法竞赛》，罗勇军郭卫斌著本博客作为阅读本书的学习笔记，仅供交流学习。建议关注罗勇军老师博客删除线格式今天想到考完研去找工作面试被问到的问题：C与C++有什么区别？

鸥梨菌Honevid·2024-01-23 16:58

Windows安装Anaconda教程

全称：Anaconda发音：安尼康达含义：蟒蛇Anaconda是一个开源Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化

PerCheung·2024-01-23 11:47

算法学习系列（二十四）：二分图

目录引言一、二分图二、染色法三、匈牙利算法引言这个二分图作为平常我是不怎么知道的，但是在算法竞赛中还是能用得到的。本文主要介绍了染色法：用来判断如否为二分图，匈牙利算法：求出二分图最大匹配数。

lijiachang030718·2024-01-23 07:32

算法学习系列（二十五）：质数

目录引言一、质数概念二、质数的判定1.试除法三、分解质因数四、筛质数1.埃氏筛法2.线性筛法引言接下来的几篇文章主要用来讲解数学知识，这个数学可谓是很重要的，不论是算法竞赛还是找工作面试，这个数学知识还是会经常考的

lijiachang030718·2024-01-23 06:53

C语言小案例_微信小程序开发（教学大纲） | 附视频

《微信小程序开发》教学大纲01.课程说明课程名称微信小程序开发学时45适用对象电子信息类、通信工程、计算机科学与技术、软件工程专业、物联网工程、数据科学与大数据技术、信息安全、网络工程和电子商务等专业先修课程

weixin_39640845·2024-01-23 04:14

Databend x HuggingFace，海量数据，随心分析

Databend研发工程师实习生ApacheOpenDAL(Incubating)Committerhttps://github.com/PsiACEHuggingFace是目前全球最流行的AI社区，推动数据科学家和企业在模型

Databend·2024-01-23 03:32

Pandas--简介(1)

Pandas是数据科学和分析领域中常用的工具之一，它使得用户能够轻松地从各种数据源中导入数据，并对数据进行高效的操作和分析。Pandas主要引入了两种新的数据结构：DataFrame和Ser

普通研究者·2024-01-23 01:59

通俗易懂解释python和anaconda和pytorch以及pycharm之间的关系

这个工具箱里包括了Python语言，但还有其他许多数据科学和机器学习相关的工具和库，比如NumPy、Pandas、Matpl

qq_45091396·2024-01-23 00:29

【SpringBoot】MyBatis-plus 报错 Property ‘sqlSessionFactory‘ or ‘sqlSessionTemplate‘ are required

：SpringBoot3整合MyBatis报错：Property‘sqlSessionFactory‘or‘sqlSessionTemplate‘arerequired我是边境矢梦°，一个正在为秋招和算法竞赛做准备的学生喜欢的朋友可以关注一下

边境矢梦°·2024-01-22 18:05

[Java面试]JavaSE知识回顾

欢迎来到@边境矢梦°的csdn博文本文主要梳理Java面试中JavaSE中会涉及到的知识点我是边境矢梦°，一个正在为秋招和算法竞赛做准备的学生喜欢的朋友可以关注一下，下次更新不迷路目录变量基本数据类型与包装类型运算符

边境矢梦°·2024-01-22 18:32

【Xiao.Lei】- 如何系统地自学 Python：从初学者到高级开发者的完整指南

引言Python作为一门强大而灵活的编程语言，在现代软件开发、数据科学、人工智能等领域中广受欢迎。对于IT从业者来说，系统地学习Python不仅可以提升技能，还能拓宽职业发展道路。

Xiao.Lei·2024-01-22 18:54

IT十大高薪行业，现在转行还来得及吗

2、数据科学家主要通过采集大量的数据，进行分析、预测，并把握未来进行市场化的决策。

ancen_73bd·2024-01-22 12:16

翻译: Anaconda 与 miniconda的区别

Anaconda和miniconda是广泛用于数据科学的软件发行版，用于简化包管理和部署。

AI架构师易筋·2024-01-22 11:39

数据挖掘1-走进数据科学

1.概述DRIP：DataRich，InformationPoor（现状）DRIP指的是现实生活中普遍存在的“数据充沛而信息不足”的问题，原因在于对原始数据没有进行必要的处理和分析，没有发挥出其应有的价值。学科知识数据是定量或定性的属性值类型：连续型，离散型，二进制；物理，逻辑结构；问题：数据类型转化；错误与变体corruption大数据的定义为3V,即容量大，速度快，类型多扩展：5VBigdat

九桢·2024-01-22 11:36

网络中的接近中心性：Neo4j中的Closeness Centrality算法

在图数据科学中，接近中心性可以帮助我们识别那些在网络中具有快速信息传播能力的节点。

陈救驾来迟-·2024-01-22 09:28

图数据中的社区发现：Neo4j中的Connected Edge Labeling Framework（CELF）

在图数据科学中，CELF算法可以帮助我们理解网络的结构，发现其中的社区结构。本文将详细介绍如何在Neo4j图数据库中实现CELF算法，并探讨其在社交网络分析、知识图谱构建和网络安全评估等领域的应用。

陈救驾来迟-·2024-01-22 09:28

揭秘网络影响力：Neo4j中的PageRank算法应用

在图数据科学中，PageRank算法可以帮助我们识别网络中的关键节点。本文将详细介绍如何在Neo4j图数据库中实现PageRank算法，并探讨其在社交网络分析、搜索引擎优化和网络安全评估等领域的应用。

陈救驾来迟-·2024-01-22 09:58

网络中的权威与中心性：Neo4j中的HITS算法

在图数据科学中，HITS算法可以帮助我们理解网络中的信息流动和权威结构。本文将详细介绍如何在Neo4j图数据库中实现HITS算法，并探讨其在搜索引擎优化、学术研究和在线社区分析等领域的应用。

陈救驾来迟-·2024-01-22 09:53

网络中的权威度量：Neo4j中的Eigenvector Centrality算法

在图数据科学中，EigenvectorCentrality可以帮助我们识别网络中的关键权威节点。

陈救驾来迟-·2024-01-22 09:23

在太原牵引力教育Python培训要学习多长时间才可以掌握呢？

相信有了解的人都知道，Python目前是首选的AI语言，在数据科学和AI中占据主导地位，而且随着互联网的发展，Python的应用越来越广泛，学习Python的人也越来越多，主要是因为Python门槛低，

听风者1028·2024-01-22 09:16

数据的获取——爬虫

在数据科学领域阶段，很多人往往将焦点着眼于数据的处理和分析，殊不知数据本身才是最大的价值，无论是看上去再无用的数据，往往都蕴含着量变引起质变的魅力，而如今是“大数据”的时代，互联网每天产生约33ZB（2018

ZzzZBbbB·2024-01-22 06:18

Anaconda超详细教程2023/7/10(windows)

介绍Anaconda是一个强大的开源数据科学平台,它将很多好的工具整合在一起，极大地简化了使用者的工作流程，并能够帮助使用者解决一系列数据科学难题。在学习机器学习时，一般都会使用Anaconda。

caseyfh·2024-01-22 01:23

数据科学 IPython 笔记本 8.9 自定义图例

8.9自定义图例原文：CustomizingPlotLegends译者：飞龙协议：CCBY-NC-SA4.0本节是《Python数据科学手册》（PythonDataScienceHandbook）的摘录

布客飞龙·2024-01-21 19:54

用数组来表示链表

经历一段时间的找实习,还是深深体会到算法的重要性,感觉以前没去做做ACM很可惜,不过也不想太多,既有个人的原因也有大环境的原因,最近在看刘汝佳的算法竞赛书,看到用数组来比较链表和双向链表,感觉还挺少见,

lwj_ow·2024-01-21 17:50

双指针：反向扫描和同向扫描

双指针的应用场景双指针（又称为尺取法）是算法竞赛中常用的一个优化技巧，用来解决序列的区间问题。

Java识堂·2024-01-21 16:07

做据科学必备神器，安装2024年最新版JupyterLab Desktop桌面版，体验感很香

《码农说》公众号的第12篇文章我们分享一款：数据科学神器，JupyterLabDesktop桌面版。很多同学都安装过网页版，其实官方也出了一个桌面版的。

码农说·2024-01-21 16:58

一、基础数据结构——2.队列——1.STL queue

参考资料：《算法竞赛》，罗勇军郭卫斌著本博客作为阅读本书的学习笔记，仅供交流学习。

鸥梨菌Honevid·2024-01-21 15:15

一、基础数据结构——2.队列——2.循环队列

参考资料：《算法竞赛》，罗勇军郭卫斌著本博客作为阅读本书的学习笔记，仅供交流学习。

鸥梨菌Honevid·2024-01-21 15:09

7、机器学习中的数据泄露（Data Leakage）

数据泄露这个概念在kaggle算法竞赛中经常被提到，这个不同于我们通常说的生活中隐私数据暴露，而是在竞赛中经常出现某支队伍靠着对极个别feature的充分利用，立即将对手超越，成功霸占冠军位置，而且与第二名的差距远超第二名与第十名的差距

AI算法蒋同学·2024-01-21 15:37

python实操之网络爬虫介绍

它包括了根据url获取HTML数据、解析HTML，获取目标信息、存储数据几个步骤；过程中可能会涉及到数据库、网络服务器、HTTP协议、HTML、数据科学、网络安全、图像处理等非常多的内容。

有莘不破呀·2024-01-21 14:20

Python基础第一篇（Python概念介绍）

Python已经成为数据科学、人工智能、网页开发等各种计算领域的首选语言，而且在事实上，无论你是初学者还是有经验的开发者，你都能从中找到乐趣和价值。我们专栏的目

半夜敲代码的夜猫子·2024-01-21 13:50

算法竞赛基础：C++双向链表的结构和实现（普通链表、List、静态链表）

算法竞赛基础：双向链表本文将会介绍在算法竞赛中双向链表的几种使用方式，适合有一定基础的人阅读。

若亦_Royi·2024-01-21 12:39

蓝桥杯真题（Python）每日练Day1

说明：在CSP认证的基础上（可以看看本人CSP打卡系列的博客）备赛2024蓝桥杯（Python），本人专业：大数据与数据科学因此对python要求熟练掌握，通过练习蓝桥杯既能熟悉语法又能锻炼算法和思维逻辑

尚.西西弗斯·2024-01-21 06:13

入门｜始于Jupyter Notebooks：一份全面的初学者实用指南

id=1601883438842526311&wfr=spider&for=pcJupyterNotebooks是数据科学/机器学习社区内一款非常流行的工具。

Quincylk·2024-01-20 17:13

#Tensor 阅读笔记

一般来说没有大量数据集（比如公司数据库，或者算法竞赛提供的数据库）的时候语音识别、图像识别和深度学习尤其

tsiic·2024-01-20 16:59

【GitHub项目推荐--微软开源的可视化工具】【转载】

说到数据可视化，大家都很熟悉了，设计师、数据分析师、数据科学家等，都需要用各种方式各种途径做着数据可视化的工作.....当然许多程序员在工作中有时也需要用到一些数据可视化工具，如果工具用得好，就可以把原本枯燥凌乱的数据

旅之灵夫·2024-01-20 12:47

除了Kaggle，这里还有一些高质量的数据科学竞赛平台

选自towardsdatascience作者：ParulPande机器之心编译参与：李诗萌、王淑婷除了大名鼎鼎的kaggle，数据科学家可以参加的数据竞赛平台其实还蛮多的。

Python数据之道·2024-01-20 05:29

为梦想踏出第一步：入住博客啦

#一.自我介绍大家好呀，我是一名来自湖南的大一学生，就读于一所双非本科院校，专业嘛是数据科学与大数据技术，我是一个对编程一窍不通的小菜鸟，但我这个小菜鸟又对编程有着浓厚的兴趣，也希望自己能在这一领域有所进步

果苏·2024-01-20 05:54

安装conda搭建python环境（保姆级教程）

下载2.2Anaconda安装2.3配置环境变量三、通过conda配置python环境3.1创建并激活虚拟环境3.2管理虚拟环境一、Anaconda简介Anaconda是专门为了方便使用Python进行数据科学研究而建立的一组软件包

程序员老冉·2024-01-19 19:07

Python GUI 新手入门教程：轻松构建图形用户界面

被广泛应用于从web开发到数据科学的各个领域。

Python数据开发·2024-01-19 19:34

如何快速部署本地训练的 Bert-VITS2 语音模型到 Hugging Face

HuggingFace是一个机器学习（ML）和数据科学平台和社区，帮助用户构建、部署和训练机器学习模型。它提供基础设施，用于在实时应用中演示、运行和部署人工智能（AI）。

刘悦的技术分享·2024-01-19 14:40

C/C++中数据类型范围

今天开始C/C++算法竞赛的准备，需要用到C/C++中数据类型范围，整理了网上的内容，总结如下：unsignedint0～429496729510位int2147483648～2147483647unsignedlong0

murphypu·2024-01-19 11:41

机器学习--jupyter使用

机器学习–jupyternotebook的使用Jupyter项目是一个非盈利的开源项目，源于2014年的ipython项目，因为它逐渐发展为支持跨所有编程语言的交互式数据科学和科学计算JupyterNotebook

江江江江江江江江江·2024-01-19 10:47

C++ STL详解超全总结(快速入门STL)

行码棋·2024-01-19 10:17

在分类任务中准确率（accuracy）、精确率（precision）、召回率（recall）和 F1 分数是常用的性能指标，如何在python中使用呢？

在机器学习和数据科学中，准确率（accuracy）、精确率（precision）、召回率（recall）和F1分数是常用的性能指标，用于评估分类模型的性能。

小桥流水---人工智能·2024-01-19 08:49

推荐频道

数据科学算法竞赛