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
一起来复习Data Science:那些让人抓狂的回归分析
回归分析(regressionanalysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在此,我讲会从机器学习和统计学两个方面分别描述回归在两个领域中的区别。线性回归常见的线性回归基于以下模型:$$Y\betaX\epsilon$$
一起来复习Data Science:统计学中那些让人容易遗忘的知识点
1描述性统计和预测性统计描述性统计(DescriptiveStatistics)描述性统计是用来描述数据现状的统计量,描述性统计包括以下值:均值(Mean)中值(Median)范围(range,包括最大值和最小值)方差(
Python机器学习入门资料整理
在python基本语法入门之后,就要准备选一个研究方向了。Web是自己比较感兴趣的方向,可是,导师这边的数据处理肯定不能由我做主了。paper、peper、paper……真的挺愁人的还有几个月就要进行春季实习招聘了,加油!总结一下python机器学习方面的资料吧。1、数据处理
0x07 数据民工,一致性洗车
摘要:数据科学家是二十一世纪最性感的的职业。面临充斥着脏乱差的数据,处理数据一致性问题是其中一项重要任务。人的强项在于智能,却不善于处理重复且枯燥无味的事情。机器不具有智能,却善于处理重复且简单的事情。01性感还是闷骚《哈佛商业评论》说:数据科学家是二十一世纪最性感的的职业。
0x01 念念Python,必有回响
摘要:灵蛇出现,必有异像,Python最热的领域,估计非数据分析、挖掘领域莫属了。以ScikitLearn为代表的数据分析领域,从这里开始,便是Python的天下;一边操作实例,一边阅读文档,再辅助以相关的理论基础,持之数日,则大业可成也。!图片描述(https://imghello
Python数据分析入门之pandas总结基础(二)
一.大熊猫世界来去自如:Pandas的I/O老生常谈,从基础来看,我们仍然关心pandas对于与外部数据是如何交互的。1.1结构化数据输入输出read_csv与to_csv是⼀对输⼊输出的⼯具,read_csv直接返回pandas.DataFrame,⽽t
Python数据分析入门之pandas总结基础(一)
一.SeriesSeries:pandas的长枪(数据表中的一列或一行,观测向量,一维数组...)<pre<codeSeries1pd.Series(np.random.randn(4))printSeries1,type(Series1)printS
4个小例子告诉你:如何成为一名数据极客
对于数据岗位的员工,互联网公司颇有些不同的称谓,像统计工程师、大数据工程师、数据分析师、算法工程师、数据科学家等,每一种之间的技能差距简直是风马牛不相及。但我觉得,数据岗位的需求千变万化,真正能通过数据解决问题的人,不仅要通晓两到三种岗位的技能,而且要深刻理解数据方法论,能将数据玩弄于鼓掌之中,这种
Python多版本切换工具-Pyenv\virtualenv及Anaconda科学计算环境的配置
为了安装Anaconda科学计算环境,控制好python版本,今天上午总算折腾好了。学习python有时希望在python2.7环境下,有时希望在python3.4环境下,该怎么办呢?Anconda的包也不知道适合在什么环境下工作?解决多python环境下,python版
SegmentFault D-Day 2015 苏州「数据分析」沙龙回顾
10月31日,SegmentFaultDDay2015苏州站圆满收场。虽然是首次来苏州,但参与人数超出预估,现场反馈也是出乎意料。沙龙内容!图片描述(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/
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。


