5 分钟了解机器学习的特征工程
在本文中，我们将了解什么是特征工程以及如何将其应用于您的机器学习算法。
使用 YOLO v5 进行目标检测
在这篇文章中，我们将使用来自 AWS 上的 COCO 数据集（可定制）的图像设置和运行 YOLO
Pandas中替换值的简单方法
使用内置的 Pandas 方法进行高级数据处理和字符串操作
使用动态时间规整来同步时间序列数据
动态时间规整可能是快速方便地同步时间序列数据的最有效的解决方案，并且可以同步具有不同维度的非线性数据。
强化学习vs遗传算法-人工智能在模拟领域的应用
强化学习(Reinforcement Learning)和遗传算法(Genetic Algorithm)都是受自然启发的AI方法
Python图像处理:形态学操作
形态学的操作主要是去除影响图像形状和信息的噪声。形态学运算在图像分割中非常有用，可以得到无噪声的二值图像。
M1 mac安装PyTorch的完整步骤指南
本文将介绍如何在M1机器上本地安装和运行PyTorch。你使用的M1机型(Air、Pro、Mini或iMac)没有区别。
8 个例子帮你快速掌握 Pandas 索引操作
在本文中，让我们回顾一些关于用pandas处理索引的技巧。
PyTorch 实现 GradCAM
在本文中，我们将学习如何在 PyTorch 中绘制 GradCam
CVPR2021: Sparse R-CNN新的目标检测模型
今天我们将讨论由四个机构的研究人员提出的一种方法，他们为我们提供了一种新的方法，称为Sparse R-CNN
2021 年 8 月推荐阅读的四篇深度学习论文
2021 年 8 月推荐阅读的四篇深度学习论文
使用通用的单变量选择特征选择提高Kaggle分数
在这篇文章中，我将讨论我如何使用 sklearn 的 GenericUnivariateSelect 函数来提高我最初获得的分数
用于时间序列分析的 5 个Python 库
本文将讨论五个库，如果您对解决时间序列相关问题感兴趣，它们可能会对您有所帮助
5分钟了解Pandas的透视表
本指南简要介绍了 Pandas 中数据透视表工具的使用。
深度学习的线性代数基础
在这篇文章中，我将尝试对线性代数做一个简单的介绍。
数据科学初学者不要做的三件事
在这篇文章中，我将写3件我认为有抱负的数据科学家应该避免的事情。他们有可能破坏你的动力或减慢你的速度。
使用Dataprep进行自动化的探索性数据分析
创建不同类型的图和图表会消耗大量时间，Dataprep 是一个开源 Python 库，有助于自动化探索性数据分析过程
3 个可以薅羊毛的在线 Jupyter Notebook环境
这里介绍几个在线的 Jupyter Notebook环境，希望对你有所帮助
中心极限定理的解释和关键假设
这篇文章将帮助您更直观地理解 CLT 定理。 它还将帮助您更好地理解它的重要性以及使用时的关键假设。
使用UMAP进行降维和可视化
UMAP是一个开源的Python库，可以帮助可视化降维。
