热 · 爱 >> 最近在看的书: 《Pandas Cookbook》 《图解数据结构·使用Python》 《利用Apache Flink进行流处理》 >> 欢迎指出译稿和其它文章中的错误 >> 所有文章仅供个人学习不涉及商业利益
简历投递 amber@risfond.com 更详细的公司和职位信息请直接邮件沟通(联系人是个可爱的小姑娘)。 公司介绍 公司业务全球物流信息查询SaaS服务,海外同行排名前三,12年成立,14年之后每年盈利翻倍; 工作地点在深圳南山区,欢迎天南海北的朋友; 岗位工作环境需要英文基础稍好一些,读写英文文档水平; 福利方面很不错,五险一金全额缴纳,每月工资当月发放,工作氛围轻松开放。
先了解一下世界三大表演体系,不同场合用不同策略: 斯坦尼斯拉夫斯基:融入角色; 布莱希特:演员凌驾于角色,强调间离角色; 梅兰芳:意境与象征。
第01章 Pandas基础第02章 DataFrame运算第03章 数据分析入门第04章 选取数据子集 第05章 布尔索引第06章 索引对齐第07章 分组聚合、过滤、转换第08章 数据清理 第09章 合并Pandas对象 第10章 时间序列分析 第1...
第01章 Pandas基础第02章 DataFrame运算第03章 数据分析入门 第04章 选取数据子集第05章 布尔索引第06章 索引对齐第07章 分组聚合、过滤、转换第08章 数据清理 第09章 合并Pandas对象 第10章 时间序列分析 第1...
第01章 Pandas基础第02章 DataFrame运算 第03章 数据分析入门第04章 选取数据子集第05章 布尔索引第06章 索引对齐第07章 分组聚合、过滤、转换第08章 数据清理 第09章 合并Pandas对象 第10章 时间序列分析 第1...
看完文章想找工作,看这里 https://www.jianshu.com/p/b27d961cd9de 相较于《利用Python进行数据分析》,本书最大的特点是所有操作都变成了分解动作,而且每步都有详细讲解。
下载链接:https://github.com/iamseancheney/python-data-science-cheatsheet 分享一组Python数据分析速查表(呆鸟翻译的)。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量机第06章 决策树第07章 集成学习和随机森林 第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 很多机器学习的问题都会涉及到有着几千甚至数百万维的特征的训练实例。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量机第06章 决策树 第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 假设你去随机问很多人一个很复杂的问题,然后把它们的答案合并起来。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上) 第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量机第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 数据清洗 大多机器学习算法不能处理特征丢失,因此先创建一些函数来处理特征丢失的问题。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量机 第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 和支持向量机一样, 决策树是一种多功能机器学习算法, 即可以执行分类任务也可以执行回归任务, 甚至包括多输出(multioutput)任务. 它是一种功能很强大的算法,可以对很复杂的数据集进行拟合。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型 第05章 支持向量机第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 支持向量机(SVM)是个非常强大并且有多种功能的机器学习模型,能够做线性或者非线性的分类,回归,甚至异常值检测。
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类 第04章 训练模型第05章 支持向量机第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 在之前的描述中,我们通常把机器学习模型和训练算法当作黑箱来处理。
《Redis设计与实现》的在线阅读版http://redisbook.com/index.html
(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下) 第03章 分类第04章 训练模型第05章 支持向量机第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 在第一章我们提到过最常用的监督学习任务是回归(用于预测某个值)和分类(预测某个类别)。
学习树 阿里云天池https://tianchi.aliyun.com 数据集也不错,比如这个疫苗流向数据集:https://tianchi.
01 - 05:DJ Patil, Hillary Mason, Pete Skomoroch, Mike Dewar, Riley Newman 06 - 10:Clare Corthell, Drew Conway, Kevin Novak, C...
仍是一贯的东野圭吾的写法:在真实案情之上,给主人公批了一层双层人格的外衣,意图借此将故事复杂化。 其实剧情非常简单,DNA数据库给特权阶层设置了保护,即使特权人士犯案,通过DNA匹配也不能找到真凶。
转一篇关于Asyncio的资源帖。基本涵盖了基于Asyncio的Python生态,非常适合用Python编写高性能服务。可以和之前转的驹神的文章结合看。
《这就是搜索引擎》这本书的第二章是关于爬虫的,干货很多(文章几乎没有废话,所以复制居多),可以参考搜索引擎是如何构建爬虫系统的。 1 通用爬虫框架 首先从互联网页面中精心选择一部分网页,以这些网页的链接地址作为种子URL,将这些种子URL放入待抓取URL队列中,爬虫从待抓取URL队列依次读取,并将URL通过DNS解析,把链接地址转换为网站服务器对应的IP地址。
狮子王 小时候看《狮子王》动画片,觉得最有趣的是彭彭和丁满,以及其他各种动物。 随着成长,对世界有了更深的认识。后来在伦敦西区的Lyceum Theatre看了《狮子王·音乐剧》,被开场的歌曲《Circle of Life》深深震撼,尤其是...
一周年纪念!
Python工程的文档结构,可以参考https://stackoverflow.com/questions/193161/what-is-the-best-project-structure-for-a-python-application; 有个答主提到了《Filesystem structure of a Python project》(http://as.ynchrono.us/2007/12/filesystem-structure-of-python-project_21.html),确实写的不错。
暑期档到了。综合新上的两部,严重怀疑日本政府“广电总局”为了应对“少子化”现象,故意在暑期档命令电视台提高恋爱题材电视剧的播放量(哪怕是质量欠佳的作品,2018年的这两部都算不上好看)。
精益讨论,从冗长低效的会议中解放出来。 精益概念遍地开花,精益管理、精益生产、精益创业、精益数据分析、精益客户开发。 Talk Lean 要点一览 直接且礼貌 会议开始时,明确会议目标 会议结束时,会议目标要可衡量、可审查 会议中难免...
转一个关于微服务的系列文章。 https://www.nginx.com/blog/introduction-to-microservices/ 七篇文章的标题如下: 微服务简介 使用API网关搭建微服务 搭建微服务:微服务架构进程间通信 微服务...
整理了Node.js、PHP、Go、JAVA、Ruby、Python等语言的爬虫框架。不知道读者们都用过什么爬虫框架?爬虫框架的哪些点你觉得好?哪些点觉得不好? Node.
分享一个学习Git命令的网站,循序渐进按课程闯关编写的,做的非常棒,界面还很可爱! 建议手动输入git命令,可以在动画中很明白地看到指针和路径是如何变化的,很有趣。
01 引言 区块链已成为当下最受关注的技术。从最初比特币的爆红,到基于以太坊的ICO项目遍地开花,大众的目光被各类应运而生的加密货币牵引着,交易投资的热情日益高涨。
癌症(cancer,也是巨蟹座的意思,希波克拉底命名的)和肿瘤(tumor) 癌症 = 恶性肿瘤 + 血癌 肿瘤 = 良性肿瘤 + 恶性肿瘤 良性肿瘤 = 不存在 作者给出了一个患癌概率(P)公式: P=abcd,其中: a,细胞分裂次数; b,每次分裂产生突变基因数目; c,突变基因是致癌基因的概率; d,免疫系统清除癌细胞失败概率。
本来是想找本书,顺便看下几个网站的CS类图书销售榜,有意外的发现! 京东 计算机与互联网 http://book.jd.com/booktop/0-0-0.html?category=3287-0-0-0-10001-1 前10本中有7本和Python相关,2本Java,1本吴军经典的数学之美。
http://www.viemu.com/a_vi_vim_graphical_cheat_sheet_tutorial.html ViEmu模拟器网站提供了一份Vim编辑器教程,而且还有键盘配图说明!更有世界各地的热心人将其重新排版翻译成了不同键盘和...
下载链接:https://share.weiyun.com/5LZAI1S 《Learning Scrapy》的第二版马上就要正式出版了(2018年6月11日;本书跳票了),Packt已经在网站上提供了下载链接(需付费),但可惜是个先早版,只有前四章。
雨痕大神的《学习笔记》可以在他的GitHub(https://github.com/qyuhen/book)下载,7000+的Star,足以证明认可度。 笔记系列陆陆续续在出版,已出版的有: 《Python 3学习笔记(上卷)》https://www.
1000粉丝留念 MERCI A TOUT MES AMIS
(第一部分 机器学习基础)第01章 机器学习概览 第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量机第06章 决策树第07章 集成学习和随机森林第08章 降维 (第二部分 神经网络和深度学习)第9章 启动和运行TensorFlow 本章中,你会作为被一家地产公司雇佣的数据科学家,完整地学习一个项目。
这本书是2016年8月出版的,一年半之后再看,虽然AI风口已过,但是由此延伸而来的概念正在引导出更深的内涵。 何谓大数据?作者的观点是体量大、维度高、及时性强。
古有科举八股,今有LeetCode。 八股定格式而取文采心意,LeetCode定题目且重答案背诵。 美其名曰:"practice makes perfect." 为何今不如古? 非也非也, 科举为国取士,leetcode为Google筛码工,各取所需也。
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整:聚合、合并和重塑第9章 绘图和可视化第10章 数据聚合与分组运算第11章 时间序列第12章 pandas高级应用第13章 Python建模库介绍第14章 数据分析案例 附录A NumPy高级应用附录B 更多关于IPython的内容(完) 在这篇附录中,我会深入NumPy库的数组计算。
转一篇比较Kafa与Redis的文章,从日志聚合分析了二者的性能。 《Kafka vs. Redis: Log Aggregation Capabilities and Performance》https://logz.
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整:聚合、合并和重塑第9章 绘图和可视化第10章 数据聚合与分组运算第11章 时间序列第12章 pandas高级应用 第13章 Python建模库介绍第14章 数据分析案例附录A NumPy高级应用附录B 更多关于IPython的内容(完) 本书中,我已经介绍了Python数据分析的编程基础。
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整...
转两篇Python的面向对象文章 。稍后再看看国外的书是怎么写的。 Python 面向对象(初级篇)http://python.jobbole.com/82023/ python 面向对象(进阶篇)http://python.
前三章是关于区块链的科普文章。最后一章专门涉及技术,最后一章感觉抄了《精通比特币》一书不少内容。 第0章 必然的出现 世界上最早的货币 —— 已知的最早货币:大麦货币。
比较过几版郭靖杨康的影视造型,还是觉得83版最准确:黄日华的郭靖土头土脑,确实看起来就拙笨;苗侨伟的杨康自带贵公子气质。 昨晚看完杨康之死,二刷射雕兴致已尽。
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整...
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备第8章 数据规整:聚合、合并和重塑 第9章 绘图和可视化第10章 数据聚合与分组运算第11章 时间序列第12章 pandas高级应用第13章 Python建模库介绍第14章 数据分析案例附录A NumPy高级应用附录B 更多关于IPython的内容(完) 信息可视化(也叫绘图)是数据分析中最重要的工作之一。
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式第7章 数据清洗和准备 第8章 数据规...
第1章 准备工作第2章 Python语法基础,IPython和Jupyter第3章 Python的数据结构、函数和文件第4章 NumPy基础:数组和矢量计算第5章 pandas入门第6章 数据加载、存储与文件格式 第7章 数据清洗和准备第8章 数据规...
Grokking Algorithms: An illustrated guide for programmers and other curious people 这篇文章是《图解算法》一书的摘抄总结。