- 综合排序
- 最热优先
- 最新优先
- 来自专栏Vamei实验室
Python标准库的学习准备
操作系统 在了解操作系统时，下面是重点： 1) 操作系统的进程管理，比如什么是UID, PID, daemon 2) 进程之间的信号通信，比如使用kill传递信号的方式 学习进程相关的内容，是为了方便于学习 2) 常用的应用层协议，比如http, 以及邮件相关的协议，特别是它们的工作过程。
83950发布于 2018-01-18 - 来自专栏技术探究
【准备篇】js逆向分析破解之学习准备
2.常用面板细讲 Elements面板 实时编辑DOM节点和CSS样式 双击DOM树视图里面的节点，可以实时编辑标签属性，修改的效果会立刻反应在浏览器里面 ? charliechu/p/5981346.html https://www.cnblogs.com/charliechu/p/5948448.html 3.Python 运行js模块PyV8、PyExecJS、js2py
5.8K62发布于 2019-07-10 - 来自专栏学习成长指南
Anaconda安装和环境配置教程（深度学习准备）
下载选择 我第一次使用的这个官网上面的邮箱的方式下载的，但是这个方式真的特别慢，于是用了这个清华的镜像网站，网上有很多的介绍，我就不班门弄斧了，建议使用清华的镜像； 我安装的是这个2022年5月份的版本； 2.
4.4K21编辑于 2025-02-24 - 来自专栏牛客网
测试开发：面试真题+学习准备一
三、美团（内推免笔试，3轮技术面，1面3面是电话面，2面牛客网视频面） 一面：1h10min 1、自我介绍 2、输入URL的具体响应过程 3、刚才讲述的URL过程涉及到哪些协议，具体讲一下相关的协议内容 然后我还被套进去了 五、头条（内推笔试，3轮视频技术面，hr面还没挨到我） 依旧是靠回忆写面经，哈哈哈 一面：40min 1、自我介绍 2、写代码：N个数，有2个数出现了1次，其他数都是出现了1次， 2个表，用sql的连接和嵌套两种方式写sql语句 7、测试电梯 忘了。。 七、电信IT研发中心（笔试，现场2轮技术1轮hr电面） 岗位后端开发 一面： 1、自我介绍 2、C指针和引用区别 3、C static关键字 4、C const关键字 5、C类中一个函数可以同时用 二面：40min 1、自我介绍 2、写代码：快排。
5.1K70发布于 2018-04-28 - 来自专栏SAMshare
机器学习准备数据时如何避免数据泄漏
原始数据准备方法存在的问题 2. 1.准备数据集 2.分割数据 3.评估模型 尽管这是一种常见的方法，但在大多数情况下很可能是不正确的。 2.在训练数据集上进行数据准备。 3.将数据准备技术应用于训练和测试数据集。 4.评估模型。 更普遍的是，仅在训练数据集上进行整个建模工作来避免数据泄露。
2.3K10发布于 2020-09-04 - 来自专栏脑机接口
深度学习准备「爆破」著名的欧拉方程
和 Javier Gómez-Serrano（他是布朗大学和巴塞罗那大学的数学家），建立了一套物理约束来帮助指导他们的 PINN：与对称性和其他属性相关的条件，以及他们想要求解的方程（他们使用了一组 2D
1.1K30编辑于 2022-09-22 - 来自专栏人工智能
如何使用 scikit-learn 为机器学习准备文本数据
[如何使用 scikit-learn 为机器学习准备文本数据 Martin Kelly 的照片，部分权利保留。] 而最后的输出是编码向量的数组版本，其表达的含义是，索引值为 7 的单词出现次数为 2，其余单词出现次数为 1。 'scipy.sparse.csr.csr_matrix'> [[1 1 1 1 1 1 1 2]] 重要的是，同一个矢量化器可以用在包含词汇表中没有包括的单词的文档上。 将另一个文档编码 text2 = ["the puppy"] vector = vectorizer.transform(text2) print(vector.toarray()) 运行这个例子， API TfidfTransformer scikit-learn API HashingVectorizer scikit学习API 概要 在本教程中，你可以了解如何使用scikit-learn为机器学习准备文本文档
3.3K80发布于 2018-02-07 - 来自专栏Bay的专栏
如何使用 scikit-learn 为机器学习准备文本数据
而最后的输出是编码向量的数组版本，其表达的含义是，索引值为 7 的单词出现次数为 2，其余单词出现次数为 1。 'scipy.sparse.csr.csr_matrix'> [[1 1 1 1 1 1 1 2]] 重要的是，同一个矢量化器可以用在包含词汇表中没有包括的单词的文档上。 将另一个文档编码 text2 = ["the puppy"] vector = vectorizer.transform(text2) print(vector.toarray()) 运行这个例子， {'fox': 2, 'lazy': 4, 'dog': 1, 'quick': 6, 'the': 7, 'over': 5, 'brown': 0, 'jumped': 3} [ 1.69314718 API TfidfTransformer scikit-learn API HashingVectorizer scikit学习API 概要 在本教程中，你可以了解如何使用scikit-learn为机器学习准备文本文档
1.9K50发布于 2018-02-14 - 来自专栏小王的生信学习
Day1新手上路指南—小王—逢山开路,遇水架桥
专业教程：搜狗vx、搜狗知乎、github峰回路转不见君，转头向他人求助：拍电脑用截屏 but not 拍照，授课内容问在微信群，公众号问题用email学习准备——磨刀不误砍柴功explorer：Google
38220编辑于 2024-03-04 - 来自专栏量子位
AMD深度学习库MIOpen更新，支持CNN加速
此次更新包括： 同时为正向和反向传播优化的深度卷积解算器 优化的卷积算法，包括Winograd和快速傅立叶转换 为深度学习准备的、优化的GEMM 池化、Softmax、激活、梯度算法的批量归一化，以及LR
1.5K120发布于 2018-03-29 - 来自专栏玩转大前端
VuePress 入门
> CORE 2 # 开始写作 vuepress dev . # 构建静态文件 vuepress build . 2. wheel) 对应配置是 module.exports = { base: '/wheel/', title: ' EchoWheel UI', description: '一套为开发者学习准备的基于 base: '/wheel/', // 仓库名，表示部署到哪里 title: ' EchoWheel UI', // 网页左上角标题名，也是主页标题 description: '一套为开发者学习准备的基于 link: '/'}, {text: '文档', link: '/guide/'}, // 根路径指docs目录，guide后面加一个 / 表示guide是一个目录，会自动读取其下的 CORE 2
97030编辑于 2022-08-15 一. 生信入门环境搭建
随手记dev.off() #关闭画板libPaths() # 包安装路径【NO.1】 学习班学习准备工作大家把电脑配置一下，参考视频 https://www.bilibili.com/video/av80872684 根据这个做准备工作 【1】首先是必备软件安装，根据自己的操作系统百度网盘：https://pan.baidu.com/s/1upnRTXwkI0hvxuuA2Gm49w 提取码: cnrv 【2】然后是R包安装，跟着指引来：http://www.bio-info-trainee.com/3727.html 【3】尽早完成准备工作，如果学有余力，就看看我们 主要是linux和R基础， https://space.bilibili.com/338686099 【4】遇到报错先看【答疑文档】： https://docs.qq.com/doc/DT2VMdmN2Y0F5SHlr c("GEOquery","limma","impute" ),ask = F,update = F)BiocManager::install(c("org.Hs.eg.db","hgu133plus2.
50900编辑于 2024-03-15- 来自专栏博文视点Broadview
书单丨5本AI著作，记录前沿科技的最新发展
源自深度学习技术的突破 基于深度强化学习模型的 AlphaGo 敲响了人工智能热潮的晨钟 也激发了大家对深度学习的兴趣 如今深度学习在各个领的研究如火如荼 本书单带你学习了解尖端技术的最新发展 NO. 1 《强化学习（第2版 NO. 2 《深度学习模型及应用详解》 张若非 付强 高斌 张耿豪 叶挺 著 ? 本书第1章展示了在移动端应用深度学习技术的Demo，帮助读者建立直观的认识；第2章至第4章讲述了如何在移动端项目中应用深度学习技术；第5章至第8章的难度略大，主要讲述如何深入地调整框架，适配并定制自己的框架 这是一本非常全面的、专注于实战的AI图书，兼容TensorFlow 1.x和2.x版本，共75个实例。 本书共分为5篇：第1篇，介绍了学习准备、搭建开发环境、使用AI模型来识别图像；第2篇，介绍了用TensorFlow开发实际工程的一些基础操作，包括使用TensorFlow制作自己的数据集、快速训练自己的图片分类模型
1.2K10发布于 2020-06-10 - 来自专栏实战docker
机器学习的开发环境准备
lincense问题不在文中讨论了，请自行处理： 双击下载文件开始安装，一路next完成； 设置和验证 打开PyCharm，选择创建一个工程，如下图： 选择Pure Python，如下图所示，再选择红框2中的 点击下图红框中的按钮，启动jupyter server： jupyter server启动后，会运行我们刚刚编写的代码，绘制一个正弦波图形，如下图所示： 至此，开发环境已经准备完毕，如果您也在为机器学习准备开发环境
86930发布于 2019-08-01 - 来自专栏企鹅号快讯
非CS背景，我是如何成为AI工程师的？
主要内容 AI工程师学习准备过程：（C++；图像知识；深度学习知识；简历内容） AI工程师求职面试经验总结 大家好，今天跟大家分享一下自己在AI方向求职的经验，希望能够帮助大家少走弯路尽早收获offer 学习准备的干货内容 在所有工作开始之前，首先要做的是把自己AI方向的环境设置好，包括以下几方面： OpenCV DL framework（Tensorflow，Keras，Caffe，MxNet） Ubantu
2.2K80发布于 2018-01-02 - 来自专栏技术探究
程序员开发必知必会之正则表达式学习资料[附完整资料]
爬虫逆向 | js逆向分析破解之学习准备。 爬虫逆向 | js_cookie破解 ，爬虫遇到521还不会解决吗？
1.1K20发布于 2019-07-30 - 来自专栏人工智能应用
数据科学家的第一课：Python数据预处理完全指南
s = pd.Series([1,3,5], index=['a','b','c']) DataFrame：二维表格型数据结构 df = pd.DataFrame({ 'A': [1,2, pd.get_dummies(df['category']) # 分箱处理 pd.cut(df['age'], bins=[0,18,35,60,100]) 数据合并 pd.merge(df1, df2, on='key') # SQL风格连接 pd.concat([s1, s2], axis=1) # 轴向拼接 四、完整案例：电商数据清洗 4.1 原始数据问题诊断 用户年龄存在负数 订单日期格式不统一 的邮政编码缺失 4.2 分步解决方案 # 步骤1：读取数据 raw = pd.read_csv('ecommerce.csv', parse_dates=['order_date']) # 步骤2： 指定数据类型 避免循环，尽量使用apply()或向量化操作 六、总结 掌握这些技术后，您将能够： ✓ 高效清洗百万级数据集 ✓ 自动识别数据质量问题 ✓ 构建可复用的数据处理管道 ✓ 为机器学习准备好高质量数据
43301编辑于 2025-08-01 - 来自专栏AIGC新知
我用AI帮我生成了流程图、时序图(顺序图)、甘特图
E[结果2] F[横向流程图] ``` - 例子2：用户选择“竖向流程图” 源码： ```mermaid graph TD A[方形] -- > B(圆角) B --> C{条件a} C --> |a=1| D[结果1] C --> |a=2| E[结果2] F[竖向流程图] : des4, after des3, 5d section 开发 学习准备理解需求 :crit E[结果2] F[横向流程图] ``` 2、竖向流程图源码格式： ```mermaid graph TD A[方形] --> B(圆角) B --> C{条件a} C --> : des4, after des3, 5d section 开发 学习准备理解需求 :crit, done,
4.5K10编辑于 2024-10-08 - 来自专栏java技术大本营
tomcat学习|tomat中的server.xml的学习
学习还要啥背景,技多不压身,Come on 上篇我们讲到了tomat的目录结构: https://www.lixiang.red/articles/2019/08/04/1564907616303.html 学习准备
63440发布于 2019-08-16 - 来自专栏随笔记录
K2MnO4+MnO2+O2↑。化学方程式 百如:2H2+O2=2H2O，2H2O= 2H2+O2。
反应物在左，生成物在右，中间用横线连接，如: H2+O2——H2O，H2O——H2+O2。 配平后，化学式前的化学计量数之比应是最简整数比，如:2H2+O2=2H2O，2H2O= 2H2+O2。 如:2H2+O22H2O，2H2O2H2↑+O2↑。 化学计量数: 化学计量数指配平化学方程式后,化学式前面的数字。 ②如果一个反应在酒精灯加热的条件下能发生，书写化学方程式时就用“△”，如:2KMnO4 K2MnO4+MnO2+O2↑。 如Fe+ 2HClFeCl2+H2↑。
1.4K40发布于 2020-06-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号