首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Hank’s Blog

    3-5 处理缺失值

    > x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat

    47210发布于 2020-09-16
  • 来自专栏NetCore 从壹开始

    3-5 安装CICD管理平台:Jenkins

    大家这里可以先安装gitlab工具,我就省事了,直接用gitee做源代码管理平台了。

    32521编辑于 2023-01-09
  • 来自专栏叽叽西

    lagou 爪哇 3-5 spring cloud (下) 笔记

    为了⽀撑⽇益增⻓的庞⼤业务量,我们会使⽤微服务架构设计我们的系统,使得 我们的系统不仅能够通过集群部署抵挡流量的冲击,⼜能根据业务进⾏灵活的扩展。那么,在微服务架构下,⼀次请求少则经过三四次服务调⽤完成,多则跨越⼏⼗ 个甚⾄是上百个服务节点。那么问题接踵⽽来:

    81320编辑于 2022-05-17
  • 来自专栏PHP实战技术

    3-5年的PHPer常见的面试题

    看到有很多,的总结一下,比较适合有一定经验的PHPer 平时喜欢哪些php书籍及博客?CSDN、虎嗅、猎云 js闭包是什么,原型链了不了解? for与foreach哪个更快? php鸟哥是谁?能不能讲

    1.5K100发布于 2018-03-09
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 3-5 Numpy数组(和矩阵)的基本操作

    shape 属性查看数组的维度,返回值是一个元组,元组中对应位置的值为数组中对应维度的元素个数。

    78210编辑于 2022-05-25
  • 来自专栏cwl_Java

    C++编程之美-结构之法(代码清单3-5)

    代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)

    24320编辑于 2022-11-30
  • 来自专栏跟着官方文档学小程序开发

    第二章 小程序开发指南3-5

    在本章会介绍小程序的基本开发流程,结合前面章节的知识,完全可以独立完成一个体验很完善的小程序。为了让开发者更加了解小程序开发,在本章中还会通过常见的一些应用场景介绍小程序API的一些细节以及开发的一些技巧和注意事项。

    32010编辑于 2025-08-25
  • 来自专栏AI研习社

    未来 3-5 年内,哪个方向的机器学习人才最紧缺?

    所以以 3-5 年的跨度来看,这些工具依然会非常有用,甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。

    67860发布于 2018-03-19
  • 来自专栏iOS逆向与安全

    写作小技能:卡片式写文章(用3-5张卡片写文)

    挑战->核心概念->该怎么做->总结->升华 找到1张卡做大的核心概念 找到3-5张卡做子概念的内容 把这些卡片的“行动指引”总结下,列在最后做个行动指引大全。 .… 用3-5张卡片写文是个很好的体验:1.主题是自下而上生成,而不是逼你针对命题写一个。2. 内容是过去知识卡片的积累,而不是临时写一句,出去找一段儿。3.

    1.4K10编辑于 2022-08-22
  • 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。 2002年,国际科学理事会:数据委员会科学和技术(CODATA)开始出版数据科学杂志。 2003年,美国哥伦比亚大学开始发布数据科学杂志,主要内容涵盖统计方法和定量研究中的应用。 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。 为了掌握完成这多方面任务需要的技术,我们创造了数据科学家这个角色。” (1) 计算机科学 一般来说,数据科学家大多要求具备编程、计算机科学相关的专业背景。

    1.4K90发布于 2018-02-26
  • 来自专栏鲸落学习笔记

    C++ 中的字符串数组(5 种不同的创建方式3-5

    theme: channing-cyan highlight: a11y-dark

    2.7K20编辑于 2022-11-14
  • 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. 学习别人的程序特别是高手的程序,是数据科学进阶的有效途径。 尝试着重复作者的工作,在这个过程中,你会了解到这个模型的细节以及数据科学的方方面面,比如如何更好的组织你的成果。 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

    研究小组有5名成员,但最后只有2个人选择去更深入地研究这个领域(数据科学并不适合每一个人)。 解决一些好玩的小问题:好奇心是数据科学的关键。如果你对国家的经济问题,犯罪统计,体育成绩等感兴趣的话,去收集数据并开始回答你的问题吧。 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 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。 2002年,国际科学理事会:数据委员会科学和技术(CODATA)开始出版数据科学杂志。 2003年,美国哥伦比亚大学开始发布数据科学杂志,主要内容涵盖统计方法和定量研究中的应用。 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。 Patil(美国科学促进会科学与技术政策研究员,为美国国防部服务)的话来总结数据科学家需要具备的能力: 数据科学家倾向于用探索数据的方式来看待周围的世界。

    1.8K60发布于 2018-02-27
  • 来自专栏实验盒

    当我用DeepSeek预测AI for BioScience未来3-5年发展趋势

    预测未来3-5年AI在生物科学(AI for BioScience)的发展趋势,可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望: 1. 药物研发的端到端AI化 全流程覆盖:AI将贯穿从靶点发现、化合物生成、ADMET(毒性/代谢预测)到临床试验优化的全链条,缩短药物研发周期(目前平均10年→可能压缩至3-5年)。 自动化实验科学(Self-Driving Lab) 机器人+AI闭环系统:实验室自动化平台(如机器人移液、高通量筛选)与AI算法实时交互,自主优化实验方案(如材料合成、基因编辑条件)。 总结 未来3-5年,AI将深度重构生物科学的研究范式,从“数据辅助分析”转向“主动设计创造”,并在药物研发、合成生物学、精准医疗等领域实现商业化落地。

    55110编辑于 2025-02-05
  • 来自专栏Java面试教程

    意料之中、要求3-5年的leader,最后选了应届生

    大家好,我是了不起,前段时间,了不起在当面试官,挑了许多人给leader去面谈,最后可能是因为把之前某个想走的同事留了下来了,所以对新人没有太多的要求,所以选了应届生。

    21800编辑于 2024-11-22
  • 来自专栏数据科学与人工智能

    【数据科学】数据科学可以做什么

    机器学习是数据科学的发动机。每种机器学习方法(也称为算法)获取数据,反复咀嚼,输出结果。机器学习算法负责数据科学里最难以解释又最有趣的部分。数学的魔法在此发生。 许多数据科学问题看起来是这种形式,或者可以被组织成这种形式。这是最简单也最常提到的数据科学问题。几个典型的例子: 这名顾客会不会继续订阅? 这图片上是一只猫还是一只狗? 这名顾客会不会点击顶部链接? 无监督学习和增强学习的算法家族则有完全不同的数据科学问题。 数据是如何构成? 有关数据如何构成的问题属于无监督学习。有许多技术试图提炼数据的结构。

    1.4K100发布于 2018-02-27
  • 来自专栏IT技术圈(CSDN)

    浙大版《C语言程序设计(第3版)》题目集 练习3-5 输出闰年

    练习3-5 输出闰年 输出21世纪中截止某个年份以来的所有闰年年份。注意:闰年的判别条件是该年年份能被4整除但不能被100整除、或者能被400整除。

    2.5K20发布于 2020-09-15
  • jvm入门2:3-5运行时数据区+程序技术器+虚拟机栈

    内存是非常重要的系统资源,是硬盘和CPU的中间仓库及桥梁,承载着操作系统和应用程序的实时运行。jvm内存布局规定了java在运行过程中内存申请、分配、管理的策略,保证了jvm的高效稳定运行。不同的jvm对于内存的划分方式和管理机制存在着部分差异

    31510编辑于 2025-02-24
  • 来自专栏数据科学与人工智能

    【数据科学】数据科学的教育体系

    结语 大数据给科学和教育事业的发展提供了前所未有的机会,同时也提出了前所未有的挑战。它将对现有的科研和教学体制带来大幅度的变革,对科学与产业之间的关系、科学与社会之间的关系带来大幅度的变革。 首先是数据科学将成为科研体系中的重要部分,并逐渐达到与包括物理、化学、生命科学等学科在内的自然科学分庭抗礼的地位。未来的科研和教育体制应该由两条主线组成:一条是以基本原理为主线。 现在的物理学、化学、机械工程等学科,以及生命科学、材料科学、天体物理、地球科学等学科的大部分都是沿着这样一条主线展开的。另一条是以数据为主线。 数据科学的兴起,将极大地推动许多社会科学学科朝着量化的方向发展,使他们逐步由经验性的模式转变成科学性的模式。 这样的例子在数据科学和信息产业并不陌生。但在传统的自然科学领域,从基本原理的突破,到技术、到产业,往往要经过一个漫长的过程。

    82370发布于 2018-02-27
领券