Datawhale开源学习

DataWhale 6月组队学习——动手学数据分析 Task04

2第二章：数据可视化2.1导入相应的包和数据importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#多用于统计画图#加载并查看result.csv这个数据result=pd.read_csv('result.csv')result.shaperesult.head()#查看数据【思考】最基本的可视化
飞翔蜗牛车·2022-12-14 16:17

DataWhale 9月组队学习-动手学数据分析 task3_学习记录

建模数据分析我认为最重要的部分就是运用我们目前已有的数据建立模型，对未知的东西进行一个预测。当然数据本身也是非常重要的，所以需要前面的增删查补，对数据进行一个规整，以此可以训练出一个健壮的模型。首先是导入包importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsfromIPython.displayi
Kind_Jiang·2022-12-14 16:47

DataWhale 9月组队学习-动手学数据分析 task2_学习记录

数据清洗及特征处理通常原数据都是不干净的，可能存在异常值，缺失值以及其他问题。所以一般进行数据分析之前都需要先对数据进行清洗。读个文件先#加载所需的库importnumpyasnpimportpandasaspd#加载数据train.csvdf=pd.read_csv('train.csv')缺失值观察与处理缺失值，可能是人为失误或者机器失误造成部分数据值的空缺，如果不对这些空缺的地方进行操作，极
Kind_Jiang·2022-12-14 16:47

DataWhale 10月组队学习-深入浅出PyTorch task2_学习记录

task2Tensor张量这个名词还是听陌生的，第一次听，不知道是一个怎么样的东西，脑子能关联到的就是向量了。在机器学习里，接触的最多的是向量和矩阵，而它们其实都可以称为张量。向量，是一维的；矩阵，是二维的…张量似乎就是各种维度的矩阵的一个统称，但我们通常需要处理的数据有零维的（单纯的一个数字）、一维的（数组）、二维的（矩阵）、三维的（空间矩阵）、还有好多好多维的。Pytorch为了把这些各种维统
Kind_Jiang·2022-12-14 16:47

Datawhale 12月组队学习笔记（一）： 数据分析Task1

准备seaborn（画图）、BeautifulSoup（爬取arxiv）、re（正则表达式）、requests（网络连接）、json（读json格式的数据）、pandas、matplotlib.pyplot（画图）importseabornassnsfrombs4importBeautifulSoupimportreimportrequestsimportjsonimportpandasaspdi
1/8s延时·2022-12-14 16:46

Datawhale十月组队学习--《李宏毅机器学习》--Task02

Datawhale十月组队学习：《李宏毅机器学习》往期指路   Task01：什么是机器学习文章目录Datawhale十月组队学习：《李宏毅机器学习》往期指路前言一、回归（Regression）二、模型步骤
二进制研究员·2022-12-14 16:46

Datawhale十月组队学习--《李宏毅机器学习》--Task01

提示：机器学习原链接文章目录前言一、什么是机器学习二、机器学习相关的技术2.1监督学习2.2半监督学习2.3无监督学习2.4迁移学习2.5监督学习中的结构化学习2.6强化学习总结前言  第三次组队学习，内容是李宏毅老师的《机器学习/深度学习》，接下来的时间坚持吧~一、什么是机器学习  要做的其实是让机器有自己学习的能力，也就我们要做的应该machinelearning的方向。  讲的比较拟人化一点
二进制研究员·2022-12-14 16:45

Datawhale7月组队学习task1数据加载及探索性数据分析

Datawhale7月task1数据加载及探索性数据分析有幸了解到了Datawhale这样一个开源组织，欣然报名了2021年7月的组队学习的动手学数据分析系列课程本系列目标：完成kaggle上泰坦尼克的任务
临风而眠·2022-12-14 16:43

Datawhale7月组队学习task2数据清洗

Datawhale7月task2数据清洗在许多数据分析工作中，缺失数据是经常发生的。pandas的目标之一就是尽量轻松地处理缺失数据。
临风而眠·2022-12-14 16:11

吃瓜教程——datawhale10月组队学习

datawhale的十月组队学习——吃瓜教程task01:概览西瓜书+南瓜书第1、2章第一章绪论1、机器学习的一些符号定义(结合林轩田的机器学习)X:样本空间Y:输出空间A:算法合集D:数据集f:理想目标函数
scdctlt·2022-12-14 16:41

Datawhale7月组队学习task3数据重构

Datawhale7月组队学习task3数据重构文章目录Datawhale7月组队学习task3数据重构准备工作开始之前，导入numpy、pandas包和数据**载入data文件中的:train-left-up.csv
临风而眠·2022-12-14 16:10

Datawhale7月组队学习task5模型建立和评估

Datawhale7月组队学习task5模型建立和评估文章目录Datawhale7月组队学习task5模型建立和评估引入preparation一.模型搭建和评估--建模模型搭建1.任务一：切割训练集和测试集
临风而眠·2022-12-14 16:10

datawhale6月组队学习-task01

datawhale6月组队学习-task011.数据加载利用kaggle网站的泰坦尼克号数据集进行学习分析下载网址：https://www.kaggle.com/c/titanic/overview#导入相关库
lyy~hhh·2022-12-14 16:39

完备的 AI 学习路线，最详细的中英文资源整理

本文转载自：http://tech.ifeng.com/c/7mEnQrFxKcC【侵删】本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献
_吟游诗人·2022-12-14 16:08

【Datawhale 7月组队学习-python自动化办公】- task01

【重要提示】本文章内容为学习python自动化办公过程中整理的笔记和作业，教程源自Datawhale7月组队学习-python自动化办公课程，链接为：GitHub-datawhalechina/office-automation
Katiko·2022-12-14 16:08

Datawhale Numpy组队学习Task01打卡

DatawhaleNumpy组队学习Task01打卡常量和数据类型:np常量含义备注np.nan表示空值两个np.nan不相等np.inf表无穷大-np.pi表示圆周率-np.e表示自然数-Python
SYlussion·2022-12-14 16:08

Datawhale12月组队学习【推荐系统】Task01

paddle入门与NeutralCF实现数据处理DatasetDataloader定义模型结构模型训练TrainPipeline指标hit_rateNDCG可视化数据处理筛选出活跃度大于20的用户df=pd.read_csv(config['valid_path'])df['user_count']=df['user_id'].map(df['user_id'].value_counts())df
vcicii·2022-12-14 16:03

周志华 《机器学习初步》模型评估与选择

周志华《机器学习初步》模型评估与选择Datawhale2022年12月组队学习✌文章目录周志华《机器学习初步》模型评估与选择一.泛化能力二.过拟合和欠拟合泛化误差VS经验误差过拟合VS欠拟合三.模型选择的三大问题如何获得测试结果
临风而眠·2022-12-14 15:54

周志华 《机器学习初步》 绪论

周志华《机器学习初步》绪论Datawhale2022年12月组队学习✌文章目录周志华《机器学习初步》绪论一.机器学习二.典型的机器学习过程三.计算学习理论PAC模型思考两个问题问题性质角度计算要求的角度四
临风而眠·2022-12-14 15:18

【打卡笔记Task01】可解释机器学习之导论

【DataWhale可解释机器学习笔记】项目地址：https://github.com/TommyZihao/zihao_course/tree/main/XAI谢谢子豪兄的分享和讲解！！
立！·2022-12-14 12:30

重磅 | 完备的 AI 学习路线，最详细的资源整理！

【导读】本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿
cheqieshi4150·2022-12-14 12:58

【集成学习-组队学习】2.使用sklearn构建完整的机器学习项目流程

使用sklearn构建完整的机器学习项目流程组队学习来源：Datewhle23期__集成学习(上):https://github.com/datawhalechina/team-learning-data-mining
L1315382539·2022-12-14 12:27

一份超详细的数据科学路线图！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：魔王、陈萍，来源：机器之心从头开始学习数据科学的免费资源。如何入门数据科学？
Datawhale·2022-12-14 12:56

一、导论——可解释性机器学习（DataWhale组队学习）

目录导言一、什么是可解释人工智能?二、学可解释机器学习有什么用?2.1学习可解释机器学习的原因2.2MachineTeaching:人工智能教人类学习2.3细粒度图像分类2.4前沿AI三、本身可解释性好的机器学习模型四、传统机器学习算法的可解释性分析五、卷积神经网络的可解释性分析5.1可视化卷积核、特征图5.2遮挡Mask、缩放、平移、旋转5.3找到能使某个神经元激活的原图像素，或者小图5.4基于
卡拉比丘流形·2022-12-14 12:55

目标检测学习笔记

参考链接：https://datawhalechina.github.io/dive-into-cv-pytorch/#/?i
星辰大海_2020·2022-12-14 11:22

Task 3-损失函数设计

HardNegativeMining3.1具体过程3.1.1正样本获得3.1.2负样本获得3.1.3难分样本挖掘3.1.4Hardexamplemining3.1.5SSD的negativemining的过程为：4.小结写在前面~感谢Datawhale
木姑娘·2022-12-14 11:45

你要的用户画像实践来了！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：牧小熊，华中农业大学，Datawhale原创作者有读者联系我希望做一期和用户画像有关的文章，那么这一期我们就来简单的聊一聊用户画像
Datawhale·2022-12-14 11:43

轻松搭建深度学习网络

前言今天来写一下如何用Pytorch进行深度学习网络搭建，之所以写这个，是因为最近要跑一些网络代码，用到这些相关的知识，刚好做一个汇总，这篇文章参考的是Datawhale的这篇文章：[轻松看懂基于PyTorch
晨哥是个好演员·2022-12-14 07:30

【Datawhale跨模态实践学习笔记】Jina体验

一、Jina是什么定义简单来说Jina可以帮助你快速把非结构化数据例如图像，文档视频等，转换为向量数据。并结合Jina的其他组件设计，帮助你快速的把向量数据利用起来，实现多模态的数据搜索。三个基本概念Document、Executor和Flow是Jina的三个基本概念。Document是基本的数据类型，它的作用就是可以将非结构化数据与向量数据之间进行映射，具体细节会在DocArray一章中详细阐述
JeffDingAI·2022-12-14 05:12

【Datawhale跨模态实践学习笔记】项目后端学习

项目后端简介项目后端共由四个文件组成，其中VideoLoader负责对上传的视频进行关键帧提取，CustomClipText负责将上传的图片转换为向量数据，CustomClipImage负责将提取的关键帧转换为向量数据，SimpleIndexer负责向量数据的检索:caption:BackendVideoLoaderCustomClipTextCustomClipImageSimpleIndexe
JeffDingAI·2022-12-14 05:42

【Datawhale可解释性机器学习笔记】预备知识学习

人工智能黑箱子灵魂之问AI的脑回路是怎样的?AI如何做出决策?是否符合人类的直觉和常识如何衡量不同特征对AI预测结果的不同贡献?AI什么时候work?AI什么时候不work？AI有没有过拟合？泛化能力如何？会不会被黑客误导，让AI指鹿为马？如果样本的某个特征变大15，会对AI预测结果产生什么影响？如果AI误判，为什么会犯错？如何能不犯错？两个AI预测结果不同，该信哪一个？能让AI把学到的特征教给人
JeffDingAI·2022-12-14 05:26

DataWhale六月组队学习-Django网站开发-Task1

Task1创建文件目录结构激活虚拟环境在VScode中安装插件查看宝塔面板安装BS4库和requests库Task1主要讲授了三方面的内容，Python数据类型、HTML5基本语法和网络通信知识。现将几个操作中需要注意的知识点简单总结如下:创建文件目录结构mkdirsrccdsrc/mkdirpycodemkdirhtml激活虚拟环境cd..sourceenv/bin/activate在VScod
努力奔跑的追梦人·2022-12-14 01:48

datawhale-学习总结

参加了7月datawhale组队学习课程《李宏毅深度学习课程》,对这一期自己的学习做下总结.收获：1.至始至终完成一个课程的学习，这对提升自己对深度学习的历史，今天和未来有全局的认识.2.了解了机器学习
MUP_RXL·2022-12-13 22:44

数据分析之缺失值处理

##数据清洗之pandas学习最近参加了datawhale组队学数据分析，在其中task2中介绍到缺失值的处理，下面记录一点自己学习的内容，如何查看缺失值，遇到缺失值后如何处理1.
MUP_RXL·2022-12-13 22:13

回归，逻辑回归，线性判别的python实现-DataWhale吃瓜教程-task02

回归分析最小二乘法和极大似然估计:思路不同推出同一个公式最小二次法是均方误差最小化进行模型求解，极大似然估计则是利用了联合分布及似然函数得到公式$E_{(w,b)}=$利用最优化的思路当$E_{(w,b)}=$最小时w,b的值求解方法包括梯度下降法，根据推到公式直接解损失函数：逐点计算平方损失误差，然后求平均数导数：西瓜书上公式3.30，这几个方法都没有用牛顿法，海森矩阵计算比较复杂，梯度下降法基
zaprily·2022-12-13 21:32

吃瓜教程 [西瓜书]任务打卡 Task1: 第一章

西瓜书]任务打卡Task1:第一章我是通过大数据挖掘竞赛入门机器学习,在此前并没有系统地学过基础理论,做的工作比较多的是通过复现大佬在kaggle,天池上的教程,调包实现编程的求解.因此,我这次通过参与DataWhale
苏忘川·2022-12-13 21:01

Datawhale吃瓜教程-task5学习笔记（第六章）

6.1间隔与支持向量支持向量：假设超平面能将训练样本正确分类，即对于,若，则有;若，则有。令如图所示，距离超平面最近的这几个训练样本使上式等号成立，则被称为“支持向量”。间隔：两个异类支持向量超平面的距离之和称为间隔。支持向量机（SVM）基本型：为了最大化间隔，仅需最大化，等价于最小化，目标函数如下：SVM算法原理：从几何角度，对于线性可分数据集，支持向量机就是找距离正负样本都最远的超平面，相比于
___黎明的鱼·2022-12-13 21:58

Datawhale吃瓜教程-task4学习笔记（第五章）

5.1神经元模型神经网络的定义：神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的的交互反应。M-P神经元模型：神经元接收到来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”处理以产生神经元的输出。下图为西瓜书中M-P神经元模型示意图。激活函数：典
___黎明的鱼·2022-12-13 21:28

Datawhale吃瓜教程-task1学习笔记（第一章和第二章）

一、第一章绪论1.1引言1.2基本术语表示包含m个样本（示例）的数据集，每个样本由d个特征（属性）描述，其中每个样本是d维样本空间X的中的一个向量，故一个样本也称为一个特征向量，d是样本的维数。用于训练过程中的数据称为训练数据，训练样本组成的集合称为训练集。模型有时也称为学习器，可看作学习算法在给定数据和参数空间上的实例化，学习过程是为了找出或逼近真相（ground-truth）。除了有示例数据之
___黎明的鱼·2022-12-13 21:58

Datawhale吃瓜教程-task3学习笔记（第四章）

第四章决策树4.1基本流程1.决策树基于树结构进行决策，通过一系列的判断或“子决策”得到最终决策，其目的是产生一棵泛化能力强，即处理未见示例能力强的决策树。2.决策树一般包含三类结点：根结点、内部结点、叶结点。根结点包含样本全集，每个结点包含的样本集合根据属性测试的结果被划分到子结点中，叶结点则对应着决策结果。从根结点到每个个叶结点的路径对应了一个判定测试序列。3.决策树学习基本算法在上述算法中共
___黎明的鱼·2022-12-13 21:58

吃瓜教程｜Task1（概览西瓜书第1、2章）

这次借Datawhale组队学习的机会再温习一遍西瓜书，争取把基础打牢固一些，方便后面理论方面可以更进一步的推进。当然顺便也练习自己写博客的能力。
HWH-·2022-12-13 21:28

DataWhale吃瓜教程-task02线性模型

第三章——线性模型1.问题的引入——一元线性模型如果给出一些属性值，来预测一些结果时，（比如通过发际线高度来预测计算机水平）。线性模型希望学得一个属性值的线性组合来进行对结果的预测。为什么要学习一个线性组合呢？试想这样一个场景，现在有一个人我并不知道他的计算机水平，但是我可以测到他的发际线高度。那么，如果说我们利用模型“学习”到了橙色直线的表达式，也就是学到了“计算机水平”随着“发际线高度”的变化
cishard·2022-12-13 21:52

数据项目总结 -- 深圳租房数据分析！

Datawhale干货作者：皮钱超，厦门大学，Datawhale原创作者本文约3000字，建议阅读9分钟审稿人：阿泽，Datawhale成员，复旦大学计算机硕士，目前在携程担任高级算法工程师。
文文学霸·2022-12-13 16:24

操作ChatGPT竟写出毁灭人类计划书！“AI正在指数级发展”

Datawhale干货技术：ChatGPT，来源：量子位“网红AI”ChatGPT，又被玩出了新花样！这次，在一位工程师的诱导下，ChatGPT竟写出了毁灭人类的计划书。
Datawhale·2022-12-13 16:24

有哪些值得学生加入的国企？

Datawhale干货作者：重庆搬砖喵@知乎1.首选证券公司各省基本都有一所证券公司，沿海省份集中在税前30-40万左右，内地集中在20-30万。很少加班，多数为国企，一般要求硕士。
Datawhale·2022-12-13 16:24

2022华为全球校园AI算法精英赛：季军方案！

Datawhale干货作者：鲤鱼，西安交通大学，人工智能学院笔者鲤鱼，是西安交通大学人工智能学院的一名研究生，在2022华为全球校园AI算法精英赛的赛道二取得了季军的成绩。
Datawhale·2022-12-13 16:24

数据项目总结 - 租房数据分析（完整篇）

Datawhale干货作者：皮钱超，厦门大学，Datawhale成员深圳租房数据分析完整篇从2020年11月发表第一篇深圳租房数据分析的文章，到这篇基于深度学习框架Keras的建模分析和预测，在此谈谈3
Datawhale·2022-12-13 16:23

python决策树分类预测_机器学习算法（六）：基于决策树的分类预测

声明：本次撰写以Datawhale团队提供的学习材料以自学为主，代码为Datawhale团队提供，利用阿里云天池实验室与编辑器pycharm完成测试。
weixin_39989033·2022-12-13 14:04

【算法竞赛学习】金融风控之贷款违约预测-建模与调参

赛题：零基础入门数据挖掘-零基础入门金融风控之贷款违约预测项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master
jaeden_xu·2022-12-13 14:32

day7-Stacking与案例（幸福感预测）

幸福感预测）目录day7-Stacking与案例（幸福感预测）心得体会前言一、Blending集成学习算法1、算法原理2、相关案例二、Stacking集成学习算法三、案例一（幸福感预测）思路理解总结心得体会开源学习组织
苏晨星·2022-12-13 11:54
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他