- 综合排序
- 最热优先
- 最新优先
- 来自专栏python3
Python3 安装 numpy 科学库
INSTALL.rst.txt #安装说明 [root@Singapore numpy-1.14.0]# python3 /usr/bin/python3 import numpy as np def fitSLR(x,y): n = len(x) dinominator = 0 numerator np.mean(y)/float(np.mean(x)) return b0, b1 def predict(x, b0, b1): return b0 + x*b1 x = [1,3,2,1,3
73610发布于 2020-01-03 - 来自专栏龙进的专栏
计算机科学概论复习笔记（3）
科学计数法 科学计数法是另一种浮点表示法。
96220编辑于 2022-10-31 - 来自专栏范传康的专栏
sqlite3在数据科学的使用
sqlite3是一种很好的数据科学工程实践中保存数据（包括原始数据和中间结果存储）的方法。相比于csv/tsv、pickle、parquet，sqlite3的使用场景和意义被大量低估了。 这里数据科学（data scientist），既指机器学习的数据处理，又指数据分析的数据处理。1. Sqlite3数据科学散人的最佳选择 csv存储效率低，基于字符解析，类型识别（特别datetime）还需要额外处理；pickle，parquet跨工具使用不友好；数据库/数据仓库具有强类型、ER sqlite3一定程度上数据科学散人进行数据探索的最佳选择：0配置，使用方便服务器-客户端一体，文件读取方式操作数据库（对比于常规数据库）强类型，不需要后置处理（相比于CSV）多语言支持：python， Sqlite3 Tips1） 基础：csv写入sqlite3from sqlite3 import connectimport csvDB_PATH = "..
1.3K61编辑于 2022-11-11 - 来自专栏数据科学与人工智能
数据科学小技巧3：数据透视表
这是我的第78篇原创文章，关于Python语言和数据科学。 阅读完本文，你可以知道： 1 使用Python语言实现数据透视表功能 “正是问题激发我们去学习，去实践，去观察。” 第三个数据科学小技巧：数据透视表。前面的数据科学小技巧，可以点击下面链接进入。 数据科学小技巧系列 1数据科学小技巧1：pandas库apply函数 2数据科学小技巧2：数据画像分析 我们用Python语言和pandas库轻松实现数据透视表功能。
1.6K30发布于 2020-03-25 如何为科学构建GPT-3模型
使用GPT-3。想要深入理解COVID-19研究并根据证据回答问题吗？学习如何进行布尔搜索、阅读科学论文，或许还得读个博士学位，因为目前没有基于大量科学研究出版物训练的生成式AI模型。 那么，为什么我们还没有一个用于科学的DALL-E或GPT-3呢？原因是，尽管科学研究是世界上最有价值的内容，但它也是世界上最难获取和理解的内容。 由于科学论文不易获取，我们无法轻松使用这些数据来训练像GPT-3或DALL-E这样的生成式模型。 我们如何才能获得一个用于科学的DALL-E或GPT-3？如果你身处科技行业，向朋友展示DALL-E或GPT-3等生成式AI模型的输出就像在展示魔法。这些工具代表了下一代网络。 “根据我的数据为我写一篇科学论文”一些团体正在朝着这个愿景取得进展。例如，Elicit将GPT-3应用于数百万篇论文的标题和摘要，以帮助回答研究者的问题——有点像科学版的Alexa。
10010编辑于 2026-02-10- 来自专栏龙行天下CSIEM
科学瞎想系列之一二五 电机绕组(3)
② 计算每极每相槽数 q=36/4/3=3 ③ 给每个槽编号 按旋转方向依次给每个槽编号，如图1所示。 ? 如图3a所示。 ? ⑦ 极相组的构成 把每极下同一个相带中的三个槽内线圈依次串联起来，1#线圈的尾端连接2#线圈的首端；2#线圈的尾端连接3#线圈的首端，构成一个极相组，其余极相组同理。 例如本例中第一个线圈为3#线圈，紧接下来与之串联的第二个线圈是21#线圈，这两个线圈的上层边分别在3#槽和21#槽，之间跨越的距离为21-3=18个槽，因此合成节距Y=18；当然也可以用这两个线圈下层边 对照图2a可见，A1～A2、A3～A4、X1～X2、X3～X4四组的电势大小相等，相位相同，它们即可以串联也可以并联，最多可以并联成四条支路。 ? 相关阅读推荐 科学瞎想系列之一二三 电机绕组(1) 科学瞎想系列之一二四 电机绕组(2)
3.4K52发布于 2020-11-06 - 来自专栏Python攻城狮
Python数据科学（一）- python与数据科学应用(Ⅰ)1.数据科学简介与应用2.Python与数据科学3.安装Anaconda4.使用Jupyter notebook5.Python 3 语法
传送门： Python数据科学（一）- python与数据科学应用(Ⅰ) Python数据科学（二）- python与数据科学应用(Ⅱ) Python数据科学（三）- python与数据科学应用 (Ⅲ) Python数据科学（四）- 数据收集系列 Python数据科学（五）- 数据处理和数据采集 Python数据科学（六）- 资料清理(Ⅰ) Python数据科学（七）- 资料清理(Ⅱ) Python 数据科学（八）- 资料探索与资料视觉化 Python数据科学（九）- 使用Pandas绘制统计图表 1.数据科学简介与应用 数据科学主要以统计学、机器学习、数据可视化以及（某一）领域知识为理论基础，其主要研究内容包括数据科学基础理论 也可以百度搜索Anaconda 根据自己的电脑系统选择 建议安装使用Python3，理由如下 python3和python2有很多语法的差异，具体参考解释 Python 2 和 Python 3 的版本之间差别 安装好Anaconda，打开cmd,输入Jupyter notebook 点击New,新建一个文件 可以通过按钮或者快捷键运行代码 5.Python 3 语法 1.变量类型 和其他语言一样，python3
1.2K40发布于 2018-08-23 - 来自专栏SeanCheney的专栏
《数据科学家访谈录》总结·3
统计学的重要性 “数据科学里很重要的一块是对统计学的训练。从根本上来说，“数据科学”这个名词意味着你是一个科学家，而科学家有责任和义务去做出正确结果。 数据科学的范畴 数据科学自有其规律和底蕴，是一个结合了应用数学、计算机科学、商业资讯和新产品开发的综合职位，最后一项目前在数据科学的比例越来越大。 概括来说，一个数据科学项目的目的是提高某一项现存的商业流程的利润效率。 一名成功的数据科学家应该具备什么？ 一名成功的数据科学家应该有能力去改变他周边的世界。 未来数据科学的走向是怎样的？ 数据科学将会带来数据产品的井喷式爆发，提供数据产品的公司与使用数据产品的客户都会快速增长——也就是说，这一项基于大数据和高级分析的科学将会进入千家万户。 数据科学的未来？ 我觉得在未来10年，我们将会出现数据科学之外的很多新名词，因为人们终将意识到他们在寻找的人是怎样的（分析师或者预测建模师）。
86710发布于 2018-09-19 - 来自专栏python3
python3科学计算开发相关配置
若没有则新建即可，这个很蠢，没有默认配置的文件要自己新建，另外网上全是错的教程 保存后，在命令行执行pip install XXX走的即是对应的源 windows切换python2, python3版本
40110发布于 2020-01-02 - 来自专栏CDA数据分析师
解读 | 数据科学领域常见的3种职业转型方向
很多数据科学方面的职业建议也是如此，有些是针对完全零基础的初学者；有些是针对想提升技能的初级数据科学家；有些则针对资深的软件工程师。 可以先和一些数据科学家聊一聊；关注相关的科学播客。成为一名数据科学家需要花费大量的时间和精力，如果只因为觉得自动驾驶汽车很酷，就一头扎进去，这并不是一个很好的理由。 在找工作时，一开始就找那些全面的数据科学职位并不太好。相反，可以选择数据可视化或数据分析等职位，这类职位市场需求量大，而且要求没有数据科学家那么高。 你可能会担心，因为你没有任何专业经验或计算机科学的研究生学位，推广自己是一个难题。但这也可以成为你最大的优势：你是从零开始，自学成才的数据科学家，公司需要这些努力而且学习能力强的数据科学家。 原文链接： https://towardsdatascience.com/3-common-data-science-career-transitions-and-how-to-make-them-happen
52640发布于 2018-12-24 - 来自专栏龙行天下CSIEM
科学瞎想之雾霾是个神马鬼（3）
3 我们能为减少雾霾做点什么？ 首先不要给政府添乱，调整能源结构、优化产业布局等等，那都是政府该做的事，而且政府会找一些相关的专家论证评估。
69280发布于 2018-04-18 - 来自专栏龙行天下CSIEM
科学瞎想系列之八十 永磁电机(3)
ΔU1＜ΔU2＜ΔU3＜ΔU4；反电势分别为E01、E02、E03、E04；电流分别为I1、I2、I3、I4；功率因数角分别为φ1、φ2、φ3、φ4。 对应功率P3，φ3=0º，cosφ3=1，此时功率因数最高。 对应功率P4，φ4为电流I4超前电压U，cosφ4(超前)＜cosφ3，即功率因数转而随有功功率的增大而减小。 ΔU1＜ΔU2＜ΔU3＜ΔU4；反电势分别为E01、E02、E03、E04；电流分别为I1、I2、I3、I4；功率因数角分别为φ1、φ2、φ3、φ4。 对应输入功率P3，此时功率因数角与功角相等，即φ3=θ3，功率因数角φ3取得最小值，功率因数最高，这个最高功率因数cosφ3=E0/U ，其余负载状态功率因数角φ1、φ2、φ4均大于φ3，功率因数都低于 P3状态。
2.2K40发布于 2018-07-26 - 来自专栏数据科学与人工智能
简明数据科学（3）：你信吗？猜猜看哪！
原文：Data Science Simplified Part 3: Hypothesis Testing 翻译：大头 校对：Kaiser 著名的匈牙利裔美籍物理学家爱德华·泰勒曾经说过一段话： 真相是所有人都相信的简洁陈述 假设检验的应用在数据科学中占据主导地位，有必要对其进行简化和解构。如同侦探漫画，基于数据建立起来的假设检验，可以引领我们从一个新颖的启发中得出有效的推论。 ? （就像随缘箭赠有缘人） 步骤3：备择假设（Ha） 备择假设是原假设的相反假设。如果有统计的显著证据表能够确证备择假设，则原假设被推翻。 测试结果1、2正确，3、4错误。 测试结果3推翻了原假设，尽管它与原假设事实相符。这是一个假阳性(false positive)，这种错误也被称作I型错误。
92030发布于 2018-02-28 - 来自专栏数据科学与人工智能
【数据科学】数据科学家与数据科学
Jeff Wu做出题为“统计学=数据科学吗？ 的演讲，建议统计改名数据的科学统计数据的科学家。 二、数据科学家的定义 数据科学(Data Science)是从数据中提取知识的研究，关键是科学。 数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 (3) 数据可视化（Visualization） 信息的质量很大程度上依赖于其表达方式。 统计流程控制） * 数据管理（ETL（Extract、Transform、Load）、数据治理、管理责任、元数据） * 优化与启发（整数计划法、非线性计划法、局部探索法、超启发（模拟退火、遗传算法）） (3)
1.4K90发布于 2018-02-26 - 来自专栏华章科技
3段极简代码带你入门Python科学计算库SciPy
a.mat',{'a':a}) data = spio.loadmat('a.mat', struct_as_record=True) data['a'] Out: array([[0, 1, 2, 3, scipy.linalg.det()可用于计算矩阵的行列式，示例代码如下： from scipy import linalg m=np.array([[1,2],[3,4]]) linalg.det(m matplotlib.pyplot as plt def f(x): return x**2+20*np.sin(x) x=np.arange(-10,10,0.1) plt.plot(x,f(x)) 由图3- ▲图3-1 当然，当数据量较大的时候，穷举法速度会很慢。为了提高效率，scipy.optimize也提供了诸如模拟退火等优化算法，这里不再多讲。
62010发布于 2021-03-29 - 来自专栏机器学习与统计学
3段极简代码带你入门Python科学计算库SciPy
导读：SciPy是基于NumPy的，提供了更多的科学计算功能，比如线性代数、优化、积分、插值、信号处理等。 作者：赵志强 刘志伟来源：大数据DT（ID：hzdashuju） ? a.mat',{'a':a}) data = spio.loadmat('a.mat', struct_as_record=True) data['a'] Out: array([[0, 1, 2, 3, scipy.linalg.det()可用于计算矩阵的行列式，示例代码如下： from scipy import linalg m=np.array([[1,2],[3,4]]) linalg.det(m matplotlib.pyplot as plt def f(x): return x**2+20*np.sin(x) x=np.arange(-10,10,0.1) plt.plot(x,f(x)) 由图3- ▲图3-1 当然，当数据量较大的时候，穷举法速度会很慢。为了提高效率，scipy.optimize也提供了诸如模拟退火等优化算法，这里不再多讲。
66620发布于 2021-03-24 - 来自专栏数据科学和人工智能
走近数据科学课程报告（3）：就广告投放方面浅见
博雅大数据学院院长欧高炎负责主讲北京师范大学珠海校区走近数据科学课程。本系列文章精选同学们就课程主题写的心得体会。
38930编辑于 2022-04-01 - 来自专栏数据科学与人工智能
【数据科学】数据科学入门指南
数据科学虽然刚刚兴起，却发展迅速。 只要有数据的地方，就需要数据科学团队来分析、挖掘数据。 因而，在各个行业都需要大量的数据科学家。 所以我并不建议从最基础的数学理论开始学习数据科学。 下面的这些建议会告诉你如何高效、快速的入门数据科学 ? 数据科学知识体系图 1. 这种边做边学的模式会带你避开那些冗杂的细节，并且在这个过程中，你会学会如何真正的做数据科学。 3. 学会交流学习 数据科学的终点是结果的展示，这就意味着你可以接触到很多高手做过的案例。 数据科学是一座高山，停止学习意味着你永远无法到达顶点。 但是，养成这些良好的习惯，你会很自然的成为以为数据科学专家。 掌握正确的方法和习惯，任何人都可以掌握这门科学。
1K90发布于 2018-02-26 - 来自专栏数据科学与人工智能
【数据科学】如何学习数据科学
学习基本的统计知识：统计202课程是非常合适的入门资料 学习一种统计工具：作为一个菜鸟，我用了3个月的时间埋头学习R语言，R学起来非常有趣。（为什么要学习R？） 有很多的培训材料可以在网上找到： 统计202 加州理工学院的数据科学课程 Coursera：数据科学，机器学习，数据分析，数据分析计算 加州大学伯克利分校 - 数据科学 骑士新闻中心的课程：资讯图像和数据可视化 3）加速学习： 教学相长：我会给同事和朋友教一些R语言和数据挖掘的入门知识。这使我在这方面的知识更为扎实，也使得周围的人对这个主题更有兴趣。这对我来说也是一种回馈开源社区的方式。 关注业内领袖：网络中有很多厉害的数据科学家，关注这些人可以得到很好的启发。 3、有用的数据科学读物 数据挖掘导论 果壳中的R 数据之魅 可视化之美 查看更多的数据科学的书籍：O'Reilly，Manning 4、对我感觉没多大用的东西 学习多个统计工具：一年前，我开始有一些
976100发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学】什么是数据科学家与数据科学
Jeff Wu做出题为“统计学=数据科学吗？ 的演讲，建议统计改名数据的科学统计数据的科学家。 数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 (3) 数据可视化（Visualization） 信息的质量很大程度上依赖于其表达方式。 统计流程控制） * 数据管理（ETL（Extract、Transform、Load）、数据治理、管理责任、元数据） * 优化与启发（整数计划法、非线性计划法、局部探索法、超启发（模拟退火、遗传算法）） (3) 野村综合研究所创新开发部高级研究员、IT分析师，日本政府“智能云计算研究会”智囊团成员 [3].麦肯锡.
1.8K60发布于 2018-02-27
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