R-数据科学第7页

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

2023 华为od统一考试B卷【单词搜索】Java 实现

假设给定单词HELLOWORD，在矩阵中只要能找到H->E->L->L->O->W->O->R->L->D连成的单词，就算通过。注意区分英文字母大小写，并且您只能上下左右行走，不能走回头路。

MISAYAONE·2024-01-21 10:06

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

01-3/9-阿静教练-victor

【R-原文片段】计划还是应该有的，但计划不能是人生的枷锁，而应该是生活的助力器。

Victor_fe8f·2024-01-21 05:05

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

【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

剧本杀【R-死亡通知单】复盘解析+凶手是谁+剧透结局+测评+怎么玩？

为了你获得更好的游戏体验，本文仅显示《R-死亡通知单》剧本杀部分真相复盘，获取完整真相复盘只需两步①【微信关注公众号：云云复盘】②回复【R-死亡通知单】即可查看获取哦剧本杀《R-死亡通知单》全部复盘解析

VX搜_彤彤速递·2024-01-20 01:26

第二期-2/9-阿静教练-曦石

片段2：如何评判一件事情是否值得做片段来源：《精进》【R-原文片段】在分析一件事情值不值得去做、花多少精力去做的时候，可以从两个角度来评估：一是这件事在当下将给“我”带来的收益大小，这个收益可以是心智、

曦石·2024-01-20 01:31

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

易效能九段学习转述之五段：【项目】

R-重述知识内容人生必须具备三力：行动力、计划力和反思力没有行动力，梦想就是空想；没有计划力，就是拉磨的老黄牛，辛苦却成效低。有了执行力，进一步要关注的是做事的结果。

年龄不小孩子不大·2024-01-19 16:42

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

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

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

盘活存量GPU资源破局高校算力不足窘境

听着团队成员们的吐槽，某国内顶尖高校非大模型团队带队的博士老W也颇为无奈：“我们虽然不是做大模型的，但也不代表我们做数据科学的不需要算力啊？”如果不做大模型，就无法获得足够的算力。

virtaitech·2024-01-19 08:42

Kaggle知识点：训练神经网络的7个技巧

来源：Coggle数据科学神经网络模型使用随机梯度下降进行训练，模型权重使用反向传播算法进行更新。

Imagination官方博客·2024-01-19 00:56

时间序列数据的季节性检测

时间序列分析是统计学和数据科学的一个基本研究领域，它为理解和预测序列数据中的模式提供了一个强大的框架。特别是时间序列数据，它捕获连续时间间隔内的信息，使分析师能够揭示趋势，季节性模式和其他时间依赖性。

python收藏家·2024-01-18 20:22

机器学习根据金标准标记数据-九五小庞

根据金标准标记数据是一种在机器学习和数据科学中常见的操作，主要用于评估分类模型的性能。其基本步骤如下：收集数据：首先需要收集相关领域的原始数据，这些数据通常来自不同的来源和渠道。

Up九五小庞·2024-01-18 16:49

使用Python处理Excel数据并生成词云

work_all.xlsx二、步骤1.处理数据找出自己喜欢的类别，我选的是岗位类别有：数据运营、机器学习、数据科学、数据分析师、数据产品经理、商业数据分析，将其统一替换为数据科学。

slaythedragon·2024-01-18 15:58

学习R的5种最有效的方法

在本博客中，我们将介绍学习这种基本数据科学语言的五种有效策略，以及与每种语言相关的一些顶级资源。在掌握世界上最强大的统计语言的道路上，这些策略应该用来相互补充！

Liam_ml·2024-01-18 14:37

从术语到Spark，10篇必读大数据学习资源

这次，我们将从更基本的概念讲起，以便在涉足更复杂的数据科学和商业智能之前能够真正理解大数据。文中会引领

金光闪闪耶·2024-01-18 13:45

爬虫系列实战：使用json解析天气数据

大家好，爬虫是一项非常抢手的技能，收集、分析和清洗数据是数据科学项目中最重要的部分，本文介绍使用json解析气象局天气数据。

python慕遥·2024-01-18 12:10

MongoDB全球云端技术盛会MongoDB.live ——中文字幕主题演讲直播及实时中文专家面对面

•从开发人员到数据科学家，从IT高管再到DevOps，MongoDB.liv

MongoDB 数据库·2024-01-18 09:26

数据科学如何求职：投了6578份简历，喜提offer的我有6点建议，给备战春招的你

我现在已经是一家公司的数据科学家了，在过去的六个月里，我面试了很多想要进入我们公司的数据人。下面这些求职准备，是我们建议每个数据科学求职者去做的。

yoku酱·2024-01-18 09:56

机器学习与数据科学-专题1 Python正则表达式-【正则表达式入门-1】

Full Stack-LLK·2024-01-18 08:47

2、机器学习基础数据探索

Pandas是数据科学家用来探索和操纵数据的主要工具。大多数人在代码中将panda缩写为pdIn[1

AI算法蒋同学·2024-01-18 08:42

2021-03-05

孩子来电说纽约大学给了学习计算机工程专业的学习机会，但偏硬件一些，他昨天发邮件争取CS专业，被拒，今天问我是否还需要争取数据科学专业，我给了肯定的答案，并为他写了邮件内容：“首先非常感谢贵校能给我转专业的机会

吴阳_b2d6·2024-01-18 04:37

实用机器学习：线性回归的实际应用与解读

统计学是数据科学的基石，为机器学习提供了重要的理论和工具。它通过概率论、假设检验、回归分析等方法，帮助我们理解数据、进行推断和构建模型。

m0_61254808·2024-01-17 19:18

Kaggle之旅1

二、课程1pandas1.学和练2.一些关键摘要总结前言Kaggle是一个以数据科学竞赛为主题的在线平台。它提供了一个数据科学社区，让数据科学家和机器学习专家可以在这里交流、学习和竞争。

旻璿gg·2024-01-17 15:31

Yahoo的Spark实践

当Yahoo的内容从编辑选择变成数据驱动的、上下文敏感的、个性化的页面时，机器学习、数据科学是盖子下面的引擎。技术团队苦苦寻找一个可以支撑大

chuanjiaoye5017·2024-01-17 15:30

re:Invent 2023 技术上新｜使用 Amazon SageMaker 新工具和引导式工作流程快速打包和部署模型...

作为数据科学家或机器学习从业者，您现在可以使用AmazonSageMakerPythonSDK中新提供的ModelBuilder类打包模型，执行本地推理以检验运行时错误，并将模型从本地IDE或AmazonSageMakerStudio

亚马逊云开发者·2024-01-17 14:40

数据分析师与数据科学家的区别

时下，互联网大风盛行，数据科学家凭借“科学家”这一高大上的名称，成功盖过数据分析师的“名气”，被很多企业当作业务指导的“神明”。

学掌门·2024-01-17 13:37

C++数据科学与机器学习基础

C++是一种广泛应用于系统编程和高性能计算领域的编程语言，也可以用于数据科学和机器学习。

naer_chongya·2024-01-17 11:29

数据科学与大数据导论期末复习笔记（大数据）

来自于深圳技术大学，此笔记涵盖了期末老师画的重点知识，分享给大家。等深分箱和等宽分箱的区别：等宽分箱基于数据的范围来划分箱子，每个箱子的宽度相等。等深分箱基于数据的观测值数量来划分箱子，每个箱子包含相同数量的数据点。文本编辑相似度度量方法类比直角坐标系中两点距离，理解一下公式。r是一个正整数，称为参数或次数。当r=1时，明氏距离变为曼哈顿距离；当r=2时，它变为欧几里得距离。曼哈顿距离是单单每个类

m0_74206166·2024-01-17 08:21

深度学习常用代码总结(k-means, NMS)

k-means由于其原理简单，可解释强，实现方便，收敛速度快，在数据挖掘、数据分析、异常检测、模式识别、金融风控、数据科学、智能营销和数据运营等领域有着广泛的应用。

BIT_Legend·2024-01-17 07:00

2022-04-17

北大：（8个）北京大学数学科学学院（统招和强基）1.1数学与应用数学专业金融数学方向1.2信息与计算科学专业计算数学方向1.3信息与计算科学专业信息科学方向1.4数据科学与大数据技术专业北京大学元培学院

50岁的失业中年·2024-01-16 23:37

面试必备！回归模型最强总结，内容太通透了！

通过回归分析，我们能够理解变量之间的趋势、检测异常值、为决策提供支持，并在时间序列中进行趋势分析，为数据科学和实际问题提供有力的工具。老规矩：大家

Python数据挖掘·2024-01-16 22:03

XGBoost系列1——XGBoost简介与入门

写在开头XGBoost（eXtremeGradientBoosting）是一种被广泛使用的机器学习算法，由陈天奇博士于2014年提出，以其卓越的性能在数据科学竞赛中备受瞩目。

theskylife·2024-01-16 20:35

1.你好, Python!

这门课程涵盖了你在使用Python进行数据科学时所需的关键Python技能。该课程适合有一些先前编码经验的人，希望将Python添加到他们的技能库中。

AI算法蒋同学·2024-01-16 20:30

通俗易懂 | 数据科学与大数据技术专业领域的实用工具

数据科学与大数据技术是一门偏向应用的学科领域，因此工具就成为重要的组成部分。在工作中，数据科学家如果选择有效的工具会带来事半功倍的效果。

yoku酱·2024-01-16 18:11

小嗷犬·2024-01-16 16:58

JMU----数科数据科学引论民间总结（1）

根据老师给的文档瞎总结内容只给出概念具体内容要自己去拓展不可靠随便看看就好大数据的性质非结构性：大数据中的非结构化数据占比较大，无法预知其结构。需要探索合理的组织方式。不完备性：大数据常包含不完整和错误的数据，需要进行清洗和整合。时效性：处理速度要快，满足用户实时分析的需求。安全性：需消除隐患和漏洞，保护隐私。可靠性：需要满足一定的处理步骤，使分析过程完整。大数据的五个特性数据容量（Volume）

X_StarX·2024-01-16 11:44

新书速览|数据科学技术：文本分析和知识图谱

百分科技书解数据科学，文本分析、知识图谱详解，实战案例呈现，助你深入理解技术原理，行业应用启发，助力创新发展。

全栈开发圈·2024-01-16 11:59

基于LLM大模型的结构化数据批量提取

这篇文章是为想要使用非结构化数据获得有用见解的数据科学家、分析师和决策者量身定制的。我们探索大型语言模型(LLM)的批量用例，重点关注非结构化文本到结构化数据的转换。

新缸中之脑·2024-01-16 11:42

使用 Python 和 scikit-learn 生成机器学习模型

获得有关如何从头到尾创建和运行分类模型的实践经验在此数据科学和机器学习教程中，获取有关如何从头到尾创建和运行分类模型的动手示例。

AI-智能·2024-01-16 10:42

读书.《终生成长》.D9

【R-感受】

adf836d6f5cd·2024-01-16 09:48

#AIGC##VDB# 【一篇入门VDB】矢量数据库-从技术介绍到选型方向

首先，文章解释了矢量的数学和物理学概念，然后引入了矢量在数据科学和机器学习中的应用。随后，详细介绍了什么是矢量数据库，以及它在搜索引擎、自然语言处理、图像识别等方面的优势。

向日葵花籽儿·2024-01-16 09:28

从零开始的神经网络

了解如何在没有框架帮助的情况下构建神经网络的基础知识，这些框架可能使其更易于使用在Python中创建具有不同架构的复杂神经网络应该是任何机器学习工程师或数据科学家的标准做法。

AI-智能·2024-01-16 08:14

推荐频道

R-数据科学