dataWhale 第8页

DataWhale task 13

数组中的第K个最大元素classSolution{public:intfindKthLargest(vector&nums,intk){if(nums.empty()){return0;}sort(nums.begin(),nums.end());intn=(nums.size()-k);returnnums[n];}};存在重复元素classSolution{public:boolcontain

tecmry·2023-08-15 17:56

Datawhale Django后端开发入门Task01 Vscode配置环境

首先呢放一张运行成功的截图纪念一下，感谢众多小伙伴的帮助呀，之前没有配置这方面的经验，但还是一步一步配置成功了，所以在此以一个纯小白的经验分享如何配置成功。1.选择要建立项目的文件夹，打开文件找到目标文件夹如上图所示，我这里是自己选择的命名为DJANGO的文件夹。2.创建虚拟环境python-mvenverp_venv此时大家一定要看好创建虚拟环境所在的目录，当然此时也只有这一个文件夹，erp_v

talentsta·2023-08-15 08:10

Django入门

Day1django环境安装创建虚拟环境#step1创建虚拟环境python3-mvenvdatawhale_django#step2mac进入虚拟环境source.

HU_LSS·2023-08-14 06:11

什么是数据库？数据库基础知识

学习链接：http://datawhale.club/t/topic/477数据库是将大量数据保存起来，通过计算机加工而成的可以进行高效访问的数据集合。该数据集合称为数据库（Database，DB）。

ShowMeCoding·2023-08-14 00:23

数据挖掘（异常检测）——相似度

DataWhale组队学习2021.05组队学习系列笔记四异常检测（相似度）LOF方法是一种典型的基于密度的高精度离群点检测方法。

EL33·2023-08-13 06:02

《AI夏令营（第二期） - CV实践赛事》- Datawhale

目录第一次打卡实践任务：农民身份识别挑战赛https://challenge.xfyun.cn/topic/info?type=peasant-identity&ch=ymfk4uU时间规划三环节赛题解读（What）赛题本质：这是一个图像分类问题，需要根据图像序列中的农民特征，对农民进行身份识别。身份识别优势(Why)任务(How)baseline代码解读图像特征统计（传统方法）1.导入需要的库2

拾-光·2023-08-13 05:10

Datawhale-AI夏令营:脑PET图像分析和疾病预测挑战赛baseline解读

这段代码是一个完整的深度学习模型训练和预测的流程。下面我会逐步解释每个步骤的作用。首先，这段代码导入了必要的库，包括PyTorch、numpy、pandas等。接着，打印出CUDA版本和是否可用GPU，并将模型部署到GPU上（如果可用）。接下来是数据预处理的部分。通过glob.glob函数获取训练和测试图像的路径，并对其进行随机化。然后定义了一个自定义的Dataset类XunFeiDataset，

一起努力啊～·2023-08-13 05:40

DataWhale夏令营第一期----脑PET图像分析和疾病预测挑战赛

本文原出处https://aistudio.baidu.com/bd-cpu-01/user/2602285/6564384/lab基于PaddleClas套件的脑PET图像分析和疾病预测挑战赛-baseline-飞桨AIStudio(baidu.com)AI夏令营-CV实践教程-飞书云文档(feishu.cn)整理为个人学习所用。近年来，深度学习在医学图像处理和疾病预测方面取得了显著的进展。脑P

别人家的韵颖·2023-08-13 05:40

DatawhaleAI夏令营-CV方向baseline理解

DatawhaleAI夏令营-CV方向baseline理解本次夏令营的目标是完成一个CV方向的竞赛任务，写一点自己的心得体会吧。

駋駋·2023-08-13 05:09

【CV夏令营】学习笔记01：跑通机器学习版本baseline

0学习背景有幸参与了DataWhale的AI视觉夏令营，沉浸式全流程体验AI比赛，比赛题目是：脑PET图像分析和疾病预测挑战赛，这里给出链接：https://challenge.xfyun.cn/topic

桐秋廿·2023-08-13 05:39

DatawhaleAI夏令营第三期机器学习用户新增预测挑战赛baseline新手教程

——Datawhale贡献者团队用户新增预测挑战赛：https://challenge.xfyun.cn/topic/info?type=subscriber-addition-predicti

一起努力啊～·2023-08-13 05:08

Task 1 论文数据统计

1.1任务说明任务主题：论文数量统计，即统计2019年全年计算机各个方向论文数量；任务内容：赛题的理解、使用Pandas读取数据并进行统计；任务成果：学习Pandas的基础操作；可参考的学习资料：开源组织Datawhalejoyful-pandas

希娅_d503·2023-08-10 08:50

(202307)wonderful-sql:决胜秋招(task6)

教程链接：Datawhale-一个热爱学习的社区换硬盘重装了系统，后面应该也不会用到mysql，不装环境了，没有截图。

早上真好·2023-08-10 08:04

Docker学习二：Docker镜像与容器

前言本次学习来自于datawhale组队学习：教程地址为：https://github.com/datawhalechina/team-learning-program/tree/master/Docker

浩波的笔记·2023-08-09 20:16

【打卡】Datawhale暑期实训ML赛事

文章目录赛题描述任务要求数据集介绍评估指标赛题分析基于LightGBM模型Baseline详解改进baseline早停法添加特征赛题描述赛事地址：科大讯飞锂离子电池生产参数调控及生产温度预测挑战赛任务要求初赛任务：初赛提供了电炉17个温区的实际生产数据，分别是电炉上部17组加热棒设定温度T1-1~T1-17，电炉下部17组加热棒设定温度T2-1~T2-17，底部17组进气口的设定进气流量V1-V1

adureychloe·2023-08-08 19:03

【Datawhale AI 夏令营第二期】AI 量化模型预测挑战赛

文章目录赛题分析赛题背景赛事任务赛题数据集评价指标Baseline实践导入模块EDA特征工程模型训练与验证结果输出改进赛题分析赛题背景量化金融在国外已经有数十年的历程，而在国内兴起还不到十年。这是一个极具挑战的领域。量化金融结合了数理统计、金融理论、社会学、心理学等多学科的精华，同时特别注重实践。由于市场博弈参与个体的差异性和群体效应的复杂性，量化金融极具挑战与重大的机遇的特点。本赛事通过大数据与

adureychloe·2023-08-08 18:02

从ChatGPT到大模型

今后的发展：6.提示工程1P3TPrompt技巧：7.更多工具DataWhaleAIGC主题学习（点击前往视频链接）学习记录

STUffT·2023-08-07 10:09

DataWhale 机器学习夏令营第二期——AI量化模型预测挑战赛学习记录

DataWhale机器学习夏令营第二期学习记录一(2023.08.06)1.问题建模1.1赛事数据数据集情况数据中缺失值类别和数值特征的基本分布1.2评价指标中间价的计算方式价格移动方向说明1.3线下验证

STUffT·2023-08-07 10:08

数据挖掘（异常检测）——概述

DataWhale组队学习2021.05组队学习系列笔记一异常检测概述思维导图核心内容：一、异常检测是做什么：划分正常数据（预期行为数据）与非正常数据（预期行为差异数据）二、实现方法：统计方法、线性模型

EL33·2023-08-07 02:47

2020-09-15 比赛学习 Task1 赛题理解

一、赛题背景本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场——零基础入门金融风控-贷款违约预测。

乔豆一麻袋·2023-08-06 01:56

0.1基础DataWhale夏令营第二期学习笔记（1）baseline 代码逐行分析

0.1基础DataWhale夏令营第二期学习笔记（1）baseline代码逐行分析1写在前面习Python几个月有余，参加过数学建模，写过爬虫，做过简单的数据分析……曾尝试数次学习ai相关知识，却都在庞大的知识内容面前屡屡放弃

HeJuruo·2023-08-05 13:12

Datawhale 零基础入门CV赛事-Task4 模型训练与验证

在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能：在训练集上进行训练，并在验证集上进行验证；模型可以保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参。4模型训练与验证为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Py

咕咕咕咕咯咯·2023-08-04 00:43

DataWhale task 14

2的幂classSolution{publicbooleanisPowerOfTwo(intn){intl=0;inth=32;while(h>=l){intmed=l+(h-l)/2;inttemp=(int)Math.pow(2,med);if(temp==n)returntrue;elseif(temp>n)h=med-1;else{if(n%temp!=0)returnfalse;l=me

tecmry·2023-08-02 17:20

Datawhale视觉夏令营学习笔记1

实践任务：脑PET图像分析和疾病预测挑战赛https://challenge.xfyun.cn/topic/info?type=pet-2023&ch=vWxQGFU数据审查数据为nii数据，与之前学到的图片模型有很大差别，nii数据为4维（由于第四维数据皆是一帧，所以给出前三维的说明）这导致我不能直接按照常规方法进行数据增强，在实际应用中使用了将nii进行channel层的抽样和将nii变成图片

fof920·2023-08-01 10:20

DataWhale暑期夏令营学习笔记二

DataWhale暑期夏令营学习笔记二一、夏令营实践赛题解读二、Baseline学习1.导入所需库2.读取数据3.特征处理3.1时间特征处理3.2其他进阶特征构建4.训练数据集划分及模型参数设置5.模型训练

代码不跑那我跑·2023-08-01 10:20

Datawhale--AI夏令营学习笔记（三）--NLP方向

当我们想从特定文档中了解关键信息时，通常会转向关键词提取（keywordextraction）。关键词提取（keywordextraction）是提取与输入文本最相关的词汇、短语的自动化过程。提取关键词的方法主要分为有监督和无监督两类。无监督关键词提取方法：无监督方法是指在没有标注的关键词信息的情况下，从文本中自动提取关键词。这些方法主要基于文本中词语的频率、共现关系、语义等信息来计算关键词的重要

Nobitaxi·2023-08-01 10:50

Datawhale夏令营之NLP实践赛事（二）

续前缘Datawhale夏令营之NLP实践赛事（一）本次任务任务二：完成基线代码精读，记录自己的学习笔记；尝试优化基线代码，提升代码的实践表现；提交任务二打卡，查看个人成绩排行榜。

珞喻路小白·2023-08-01 10:49

自然语言处理，Datawhale 夏令营，学习笔记7.22

m0_65095388·2023-08-01 10:19

Datawhale夏令营之机器学习实践（一）

专栏Datawhale夏令营之机器学习实践（二）赛题链接锂离子电池生产参数调控及生产温度预测挑战赛：https://challenge.xfyun.cn/topic/info?

珞喻路小白·2023-08-01 10:19

Datawhale夏令营之机器学习实践（二）

续前缘Datawhale夏令营之机器学习实践（一）本次任务任务二：完成基线代码精读，记录自己的学习笔记；尝试优化基线代码，提升代码的实践表现；提交任务二打卡，查看个人成绩排行榜。

珞喻路小白·2023-08-01 10:19

Datawhale--AI夏令营学习笔记（一）--NLP方向

实践任务基于论文摘要的文本分类与关键词抽取挑战赛https://challenge.xfyun.cn/topic/info?type=abstract-of-the-paper&ch=ZuoaKcY赛题解析1.赛事背景医学领域的文献库中蕴含了丰富的疾病诊断和治疗信息，如何高效地从海量文献中提取关键信息，进行疾病诊断和治疗推荐，对于临床医生和研究人员具有重要意义。2.赛事任务本任务分为两个子任务：机

Nobitaxi·2023-08-01 10:19

Datawhale--AI夏令营学习笔记（二）--NLP方向

在上一个笔记中，使用的是文本特征提取方法+传统机器学习算法进行文本分类任务，现在我将使用预训练模型Bert来处理该任务。1.导入前置依赖#导入前置依赖importosimportpandasaspdimporttorchfromtorchimportnnfromtorch.utils.dataimportDataset,DataLoader#用于加载bert模型的分词器fromtransforme

Nobitaxi·2023-08-01 10:19

datawhale-AI夏令营CV课程第一次笔记

第一次任务是将datawhale提供的baseline在飞桨平台上跑通，这也是我第一次在平台上跑项目，相对来说还是比较顺利的，下述是自己新学习到的、规范的代码的记录。

m0_61420917·2023-08-01 10:49

Datawhale•AI夏令营CV笔记1

前言作为计算机视觉（CV）的初学者（小白）。对于本次的脑PET图像分类任务，我充满了热情和渴望学习。然而，在探索过程中，我也意识到了自己的一些错误理解和局限性。希望能够得到大家的反馈和建议。赛题简介任务：脑PET图像分析和疾病预测数据：脑PET图像检测数据库（三维影像），格式为nii直接目的：分类问题，将被试者按医学诊断分为两类NC（健康）和MCI（轻度认知障碍）模型建立数据处理数据读取：数据格式

某小从余雨叚噫·2023-08-01 10:49

自然语言处理，Datawhale 夏令营，学习笔记7.27

附上7.22笔记：自然语言处理，Datawhale夏令营，学习笔记7.22提供的实践材料任务二的Basel

m0_65095388·2023-08-01 10:49

Datawhale AI夏令营 - NLP实践：基于论文摘要的文本分类与关键词抽取挑战赛——五天冲A榜

Author:净好阅前必读:看完一、二，你应该会清楚该比赛要完成两个任务：1.文本分类2.关键词总结，足够了解NLP的任务其实也可以不看这两部分，建议直接跳到三。看完三，你应该会清楚该比赛数据的各个方面以及后续操作应该采取的策略及细节把控看完四，你应该会清楚三个Baseline对应着三种NLP领域不同发展时期的比赛解决方案：1.传统的文本特征提取+机器学习方法2.预训练微调3.微调大语言模型看完五

净好·2023-08-01 10:18

Datawhale机器学习夏令营实践赛笔记（一）-JiemouQAQ

Datawhale机器学习夏令营实践赛笔记（一）-JiemouQAQ学习指导官方学习手册：https://datawhaler.feishu.cn/docx/YqpgdYp4VolgvYxtE0ncWtvLnTgML

杰某QAQ·2023-08-01 10:18

【Datawhale夏令营】任务三学习笔记

任务一笔记回顾任务二笔记回顾目录一：竞赛上分流程1.1问题建模1.2数据分析1.3数据清洗1.4特征工程1.5模型训练与验证二：任务总结与心得一：竞赛上分流程问题建模——>数据分析——>数据清洗——>特征工程——>模型训练与验证——>模型预测1.1问题建模1.2数据分析1.3数据清洗数据审查：首先，查看数据集的整体结构和特征。了解数据的格式、类型、缺失值、异常值等信息。处理缺失值：检查数据集中是否

guiyumile·2023-08-01 10:48

Task07: 按需获取的数据集类的创建和图预测任务实践

Datawhale提供的课程链接：https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN一、环境配置和PyG安装（Colab

从你美丽的流域·2023-07-31 10:25

(202307)wonderful-sql:集合运算(task4)

教程链接：Datawhale-一个热爱学习的社区知识学习（随记）从表的加减法中间的练习题可以看出，union不仅可以用于对两个表取并，也可以用于对同一个表的不同条件的筛选取并。

早上真好·2023-07-30 17:35

科大讯飞活跃竞赛汇总！（12个）

Datawhale·2023-07-29 06:26

pytorch基础知识

学习资料：https://datawhalechina.github.io/thorough-pytorch/%E7%AC%AC%E4%BA%8C%E7%AB%A0/index.html日期：20220517

unknown233·2023-07-28 22:06

【Datawhale夏令营】任务二学习笔记

目录一：python语法回顾1.1print()1.2列表与字典1.3自定义函数与return1.4火车类（面向对象）实例化总结：二：LightGBM代码精读2.1导入库2.2数据准备与参数设置2.3时间特征函数2.4优化2.5训练与预测三：优化讲解3.1：3.2优化建议：一：python语法回顾1.1print()每一个print()会默认换行，若不想换行则：print("",end="")，默

guiyumile·2023-07-27 19:48

【深度学习】基于YOLOV5的工业缺陷检测方案

作者：limzero，西安交通大学，Datawhale原创作者比赛介绍工业缺陷检测是当前深度学习落地的热门项目，其中瓷砖生产过程中的“质量检测环节”需要检测出瓷砖表面的瑕疵，目前比较依赖于人工，效果和效率都层次不齐

风度78·2023-07-27 15:39

(202307)wonderful-sql:复杂一点的查询(task3)

教程链接：Datawhale-一个热爱学习的社区知识学习1视图视图是一张虚拟的表。《sql基础教程第2版》用一句话非常凝练的概括了视图与表的区别---“是否保存了实际的数据”。

早上真好·2023-07-27 03:06

Datawhale Pandas 打卡-第十章时序数据

今天学习的是时序数据，1.时序中的基本对象概念单元素类型数组类型DatatimesTimestampDatetimeIndexTimedeltasTiimedeltaTimedeltaIndexTimespansPeriodPeriodIndexDateoffsetsDateOffsetNone2.时间戳（1）单个时间戳生成：pdTimestampe(),使用year,month、day、hour

君恒_801f·2023-07-25 11:58

(202307)wonderful-sql:基础查询与排序(task2)

教程链接：Datawhale-一个热爱学习的社区知识学习前提：上一次任务中提出了本课程的用表，但是我并没有加入这个表，这次学习前先对这个表进行插入。

早上真好·2023-07-25 02:37

DataWhale AI夏令营——机器学习

DataWhaleAI夏令营——机器学习学习记录一1.异常值分析2.单变量箱线图可视化3.特征重要性分析学习记录一锂电池电池生产参数调控及生产温度预测挑战赛已配置环境，跑通baseline，并在此基础上对数据进行了简单的分析

STUffT·2023-07-24 21:10

【Datawhale夏令营】任务一学习笔记

目录一：anaconda的环境配置二：赛题任务解读2.1任务要求2.2数据集介绍2.3评估指标三：机器学习之LightGBM一：anaconda的环境配置下载Anaconda：访问Anaconda官方网站（https://www.anaconda.com/products/individual）下载适合你操作系统的Anaconda安装包。选择Python3.x版本的安装包。安装Anaconda：下

guiyumile·2023-07-24 16:27

一零六五、零基础入门数据挖掘-心跳信号分类预测（阿里云天池赛）

目录赛制官方链接赛题简介赛制说明长期赛（2021年7月～）正式赛（3月12日-5月12日）大赛组织赛题背景赛题数据评测标准结果提交代码实现赛制官方链接零基础入门数据挖掘-心跳信号分类预测_学习赛_天池大赛-阿里云天池赛题简介本次新人赛是Datawhale

托马斯-酷涛·2023-07-17 19:03

推荐频道

dataWhale