PyHubWeekly | 第十四期:深度学习可以如此简单

本文涉及的产品
票证核验,票证核验 50次/账号
小语种识别,小语种识别 200次/月
个人证照识别,个人证照识别 200次/月
简介: PyHubWeekly每周定期更新,精选GitHub上优质的Python项目/小工具。我把PyHubWeekly托管到了Github,感兴趣的可以搜索Github项目PyHubWeekly[1],如果喜欢,麻烦给个Star支持一下吧。此外,欢迎大家通过提交issue来投稿和推荐自己的项目~

前言

PyHubWeekly每周定期更新,精选GitHub上优质的Python项目/小工具。

我把PyHubWeekly托管到了Github,感兴趣的可以搜索Github项目PyHubWeekly[1],如果喜欢,麻烦给个Star支持一下吧。此外,欢迎大家通过提交issue来投稿和推荐自己的项目~

本期为大家推荐GitHub上5个优质的Python项目,它们分别是:

dlaicoursepysheeettable-ocrposthogRL-Stock

下面分别来介绍一下上述5个GitHub项目。

dlaicourse

Star:2.8k

如果说这两年比较火热的研究方向是什么?深度学习肯定能够占据一席之地。

由于人工智能的火热,各种行业的同学都在尝试着去学习深度学习。可是,该怎么学习却成了让很多人困扰的问题。

虽然免费学习资源数不胜数,但是,要么偏重理论而脱离实践,要么一味的重视实践却没有理论,让人看的云里雾里。

dlaicourse[2]是这些中我认为较为不错的一个学习深度学习github项目。

dlaicourse不仅包含了深度学习基础知识部分,这个项目还有练习、应用等方面的内容。

46.png

更重要的是,这个项目使用jupyter notebook开发,理论部分与实践部分紧密相结合,在介绍理论知识的过程中让你直观的看到它是如何实现的,我想,这才是对于学习深度学习的同学比较友好的一种教学方式。

pysheeet

Star:5.9k

pysheeet[3]即为Python Cheat Sheet,一个用于收集Python有价值片段,增强Python编码体验的项目。

我认为在学习一样知识时,会用与精通之间往往会有一个瓶颈。例如,一个学习歌唱的同学,总认为自己的发声是最为恰当的,但是,如果有一个有经验的教授给予指点,找到明确的方向,这时候会发生突飞猛进的变化。

编码也是,当我们学完Python并且在项目中用过很长一段时间之后,我们会陷入一个固定思维,认为当下编码的习惯就是理所当然的,就是恰到好处的,但是,也许在使用方式、编码风格等方面已经走错了方向。

pysheeet这个项目就收集了很多有有价值的Python片段,其他包括但不限于,

代码样式列表字典正则表达式异步测试...

这个项目在每个方向均给出了正反例,告诉你什么样才是一个规范的编码方式。

47.png

table-ocr

Star:119

table-ocr[4]是一个运用unet实现对文档表格的自动检测,表格重建的OCR项目。

OCR工具是目前比较受欢迎,且提高很多工作效率的一类工具。

它背后到底是如何实现的?

table-ocr这个项目可以帮你揭开它神秘的面纱。

48.jpg

另外,使用过OCR工具的同学应该都清楚,OCR在印刷体文字识别过程中效果越来越好,但是在表格方面一直捉襟见肘。table-ocr就针对表格检测进行设计和优化,在表格识别、重建效果方面非常突出。

posthog

Star:1.9k

posthog[5]是一款开源的网站统计工具。

PostHog是为开发人员构建的开源产品分析工具,它能够自动收集网站或应用程序上的每个事件,无需向第三方发送数据。只需单击一下就可以部署到自己的基础设施上,并且可以对底层数据进行完整的API/SQL访问。

image.gif

它具有如下特性,

基于事件的用户级分析-查看哪些用户正在你的应用程序中执行什么操作自动捕获点击和页面浏览量,以分析用户的追溯操作支持JS、Python、Ruby、Node、Go+API的库简单的部署方式

RL-Stock

Star:1.2k

RL-Stock[6]是一款利用强化学习自动炒股的Python项目。

提到机器学习、人工智能在金融、炒股等方面的应用,更多的人会想到预测,例如,传统机器学习、LSTM等。

而强化学习作为机器学习的一个分支,它的模型更符合一个人做决策的过程,也更加贴近现实世界的场景。与监督学习预测未来的数值不同,强化学习根据输入的状态(如当日开盘价、收盘价等),输出系列动作(例如:买进、持有、卖出),使得最后的收益最大化,实现自动交易。


50.png

作者利用强化学习对炒股过程进行了建模,实现了自动炒股。

话说回来,炒股需谨慎,这个项目可以作为一个学习强化学习同时了解股票知识的一个小工具。我想,利用将强化学习应用于股市,应该早已经有很多公司考虑到这一点。但是,它所带来的收益和风险是并重的,这也是为什么很少有公司大规模将人工智能,尤其深度学习应用于金融领域的原因。

相关文章
|
C++ Docker Python
M1 Pro 利用docker 搭建pytho2的开发环境,以vscode连接开发为例
M1 Pro 利用docker 搭建pytho2的开发环境,以vscode连接开发为例
408 0
|
4月前
|
机器学习/深度学习 数据采集 并行计算
面壁小钢炮MiniCPM 4.0开源,端侧推理常规提速5倍!
面壁智能重磅推出MiniCPM 4.0 ——一个极致高效的端侧大模型,通过其 CPM.cu 自研推理框架,可实现220倍极致的速度提升,5 倍常规提速。
650 14
|
机器学习/深度学习 数据采集 人工智能
人工智能,应该如何测试?(四)模型全生命周期流程与测试图
本文补充了完整的业务和测试流程,包括生命周期流程图,强调测试人员在模型测试中的角色。主要测试活动有:1) 离线模型测试,使用训练集、验证集和测试集评估模型;2) 线上线下一致性测试,确保特征工程的一致性;3) A/B Test,逐步替换新旧模型以观察效果;4) 线上模型监控,实时跟踪用户行为变化;5) 数据质量测试,验证新数据质量以防影响模型效果。
|
机器学习/深度学习 人工智能 监控
【AI 现况分析】AI大模型在信用评分和风险管理中具体的应用
【1月更文挑战第26天】【AI 现况分析】AI大模型在信用评分和风险管理中具体的应用
|
数据安全/隐私保护 Python
python基础考核试题及答案
python基础考核试题及答案
481 0
|
存储 编解码 算法
09 OpenCV图形检测
cv2.findContours() 函数是OpenCV中用于寻找轮廓的函数之一。它可以用于在二值图像中查找并检测出所有的物体轮廓,以及计算出这些轮廓的各种属性,例如面积、周长、质心等。
|
安全 Windows
Windows环境变量(用户变量、系统变量)的设置
本文介绍在Windows 10操作系统中进行用户变量、系统变量等两种环境变量的新建、修改与删除方法~
2727 1
Windows环境变量(用户变量、系统变量)的设置
|
缓存 边缘计算 前端开发
秒懂边缘云 | CDN基础入门:CDN缓存配置及优化
介绍如何通过合理配置CDN缓存功能来提升业务缓存的利用率,实现终端用户访问体验的提升
5148 1
秒懂边缘云 | CDN基础入门:CDN缓存配置及优化
|
网络协议 安全 网络虚拟化
【计算机网络】网络层(上万字+超多图详析)
上一篇我们总结了关于数据链路层的相关知识,如果你还没有看可以先去看看数据链路层相关知识,这样有助于我们后面的继续学习。
【计算机网络】网络层(上万字+超多图详析)
|
Java 定位技术 数据安全/隐私保护