HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
实战:从Python分析17-18赛季NBA胜率超70%球队数据开始…
<blockquoteCasey岂安业务风险分析师<p主要负责岂安科技RED.Q的数据分析和运营工作。</p</blockquote12月19日,科比再次站在斯台普斯中心球馆中央,见证自己的两件球衣高悬于球馆上空。作为一个正奋战在Python之路上的球迷,开始了一次数据分析
理解偏倚和方差权衡
当我们讨论预测模型时,预测误差可以分解为两个主要部分:由“偏倚”引起的误差,以及由“方差”引起的误差。模型最小化偏倚和方差的能力之间存在着权衡。理解这两种类型的错误可以帮助我们诊断模型结果,避免过拟合或欠拟合。1偏倚和方差理解不同的误差源是如何导致偏倚和方差的,可以帮助我们改进
大数据与云计算学习:数据分析(二)
推荐github上的这个课程来练习下,做个入门PythonData(https://link.segmentfault.com/?enc5YoBaZ9pdJxSQC4a34Gsfg%3D%3D.KYfXlr9xGFRwnO%2BcBw4pXGo2mF3CCNQyLklJRbIEipo%2B2c
相似度分析
最近了解了几个相似度分析相关的算法,整理一下。曼哈顿距离(ManhattanDistance)曼哈顿距离又叫城市街区距离,形象的理解一下就是你要从城市的一个地方到另一个地方,怎么计算你行驶的距离。如下图,想象一下,两个点之间是无数的高楼大厦。。。!image(/img/r
Python数据分析及Anaconda集成包安装
<blockquote从本博客开始,将系统的学习Python的数据分析的六大模块numpy、scipy、matplotlib、pandas、scikitlearn、keras,有关Python的基础知识,可以看我的博客<ahref"https://link.segmentfault.com
随机森林简易教程
简介基于树的学习算法被认为是最优秀的,也是使用最广泛的监督型学习方法。基于树的算法赋予预测模型高精度、稳定性和易解释性。与线性模型不同,它们能很好地映射非线性关系。它们善于解决手头上的任何问题,包括分类和回归。例如DecisionTrees,RandomForest,Gradie
Cobub无码埋点关键技术的实现
!图片描述(/img/bVXMSS?w900&h500)随着大数据时代的到来,数据采集也已经变的越来越重要。前端埋点作为一个比较成熟的数据接入手段被广泛应用着。目前埋点分为两种方式,有码与无码埋点。有码埋点比较容易理解,即调用SDK的API,在代码中插入埋点的相关代码,实现用户行为采
TensorFlow2
机器学习基础线性回归逻辑回归Softmax分类神经网络线性回归什么是回归?!图片描述(/img/bVXGfb?w765&h514)通俗地讲:给定X1,X2,...,Xn,通过模型或算法预测数值Y,即是回归
Kmeans聚类算法
Kmeans是最流行的,以及最简单的用于挖掘数据潜在结构的机器学习算法之一。Kmeans的目标很简单:根据数据的均值,将数据划分为若干个簇。假定每个簇的均值可以很好地代表簇内的每一个观察值。Kmeans算法假定我们想把数据划分为k个簇,那么我们就需要找出这k个簇的k个中心。该如何定
《用数据讲故事》作者Cole N. Knaflic:消除一切无效的图表
<blockquote<p本文仅用于学习和交流目的,不得用于商业目的。非商业转载请注明作译者、出处,并保留本文的原始链接:<ahref"https://link.segmentfault.com/?encC5w10bp%2F4CXFiFyXkbASRQ%3D%3D.uJw2hI3KFwJS
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


