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
三只松鼠:阿里云数据中台基座上的多渠道、多业态生长
<blockquote<strong简介:</strong刚刚过去的2020年,对三只松鼠来说更像是一座认知分水岭,三只松鼠CEO章燎原坦言“要忘记流量时代,并习惯放缓增长”,而随后的重要一步,就是以披荆斩棘的姿态进入数据中台建设新赛道。</blockquote更多关于数智化转型、数据
拓端数据(tecdat):Python用ARIMA和SARIMA模型预测销量时间序列数据
原文链接:http://tecdat.cn/?p21573(https://link.segmentfault.com/?enceWCid0vaH%2B5Po7llagXoRg%3D%3D.%2BBvi3oYr1s0Jd5xMjGTdETx8SGHoRDTmKm1o0C9OjQM%3D
拓端数据(tecdat):python对网络图networkx进行社区检测和彩色绘图
原文链接:http://tecdat.cn/?p7598(https://link.segmentfault.com/?encyR7nCyUKasOjY%2FWOoZgaCw%3D%3D.x4KHOajFy1iEZdpJdKnw30dJ%2B6kXG2d1%2FQjVsfy1OOU%
拓端数据(tecdat):R语言工具变量与两阶段最小二乘法
原文链接:http://tecdat.cn/?p5374(https://link.segmentfault.com/?encDLT7VNiCZ7W%2Bs8zHLBMf4Q%3D%3D.HTHGXJYwNKJze6K2Mul4Qx8zb2JZqdi1GIEugtHuo5s%3D)
拓端数据(tecdat):R语言分段线性回归分析预测车辆的制动距离
原文链接: http://tecdat.cn/?p21557(https://link.segmentfault.com/?encemZL1%2F6rCvrJ1C3wNLu3qQ%3D%3D.m40aGpFfYn01wzJjGu%2FEmftM50tQIZGsb0Ytp8%2BPbYQ
鹰云科技携手阿里云原生开启智慧商业文旅新征程
<blockquote<strong简介:</strong鹰云科技努力践行“网络协同数据智能”智慧商业模式,此次加入阿里云“云原生合作伙伴计划”,将继续以云原生产品与解决方案为底座,为行业带来更多有益借鉴,致力于成为中国最有价值的商业数据技术服务商!</blockquote广州鹰云信息
天池读书会,邱锡鹏教授等一众大咖和你一起读书
<blockquote<strong简介:</strong阿里云天池读书会三月场来啦,这次我们邀请到了《零基础学机器学习》作者黄佳老师、蒲公英书《神经网络与深度学习》作者邱锡鹏教授、《数据分析通识》作者途索老师、《人工智能简史(第二版)》作者尼克老师、南瓜书《机器学习公式详解》作者谢文睿、秦
天池比赛数据挖掘心电图模型融合
Task5:模型融合5.1学习目标学习融合策略完成相应学习打卡任务5.2内容介绍https://mlwave.com/kaggleensemblingguide/https://github.com/MLWave/KaggleEnsembleGuide模型融合是比赛后期一个重要的环节,大体来说有如下的类型方式。1
天池比赛数据挖掘心电图特征工程
Task3特征工程3.1学习目标学习时间序列数据的特征预处理方法学习时间序列特征处理工具Tsfresh(TimeSeriesFresh)的使用3.2内容介绍数据预处理时间序列数据格式处理加入时间步特征time特征工程时间序列特征构造特征筛选使用tsfresh进行时间序列特征处理
天池比赛数据挖掘心电图数据分析
Task2数据分析2.1EDA目标EDA的价值主要在于熟悉数据集,了解数据集,对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问
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。


