Публикации по теме 'python'
Программирование с базами данных на Python с использованием SQLite
Если вы стремитесь стать специалистом по данным, вам придется работать с большим количеством данных. Большая часть данных находится в базах данных, и поэтому вам должно быть удобно получать доступ к данным из баз данных с помощью запросов, а затем работать с ними, чтобы найти ключевые идеи.
Данные составляют неотъемлемую часть жизни специалистов по данным. Сегодня все, от количества пассажиров в аэропорту до количества стационарных пассажиров в книжном магазине, записывается в виде..
Введение в функциональное программирование на Python
Функциональное программирование (часто сокращенно FP) - это процесс создания программного обеспечения путем составления чистых функций, избегая общего состояния, изменяемых данных и побочных эффектов. Мы обсудим некоторые из этих концепций и их преимущества.
Чистота
Чистота означает, что функция не имеет побочных эффектов. Единственное влияние, которое чистые функции могут оказать на внешний мир, - это их выходное значение, а внешний мир влияет на них только через их параметры...
Освоение перекрестной проверки: полное руководство для начинающих машинного обучения
Все, что вам нужно знать о методах перекрестной проверки
На практике специалисты по данным работают с тремя различными наборами примеров:
Обучающий набор набор проверки тестовый набор
Получив данные в виде набора примеров, первое, что вы делаете в своем проекте машинного обучения, — это перемешиваете примеры и делите набор данных на три отдельных набора: обучение, проверка и тестирование. Учебный набор обычно самый большой; алгоритм обучения использует обучающий набор для создания..
Освоение Python: руководство для начинающих по тестированию классов
Тестирование классов в Python
В этой статье мы рассмотрим область тестирования классов в Python. Тестирование классов имеет решающее значение для проверки поведения и функциональности вашего кода.
Написав тесты, вы сможете выявить ошибки на ранней стадии, улучшить качество кода и создать надежное программное обеспечение.
Итак, давайте погрузимся и изучим секреты эффективного тестирования класса!
Assert Methods: ваши верные помощники в тестировании
Методы Assert — мощные..
Изучите любые данные с помощью настраиваемого интерактивного веб-приложения: наука о данных со спортом
Узнайте, как создать интерактивное многоразовое веб-приложение для исследовательского анализа данных с помощью ведущих инструментов визуализации данных Plotly и Streamlit (включая данные и код)
Большинство хороших проектов с данными начинаются с того, что аналитик что-то делает, чтобы почувствовать данные, с которыми он имеет дело.
Они могут собрать блокнот Jupyter, чтобы просматривать сводки данных, первые несколько строк данных и диаграммы matplotlib. Некоторые могут просматривать..
Создание моего портфолио программирования
За последние несколько месяцев я обнаружил, или, скорее, осознал, что моего (официального) портфолио программирования не существует. Я решил исправить это, и вот мой отчет об этом.
Каток для игры в кости
Это было довольно просто. Первое, что я сделал, - это импортировал «случайный» модуль, а затем установил верхний и нижний пределы случайной генерации равными 1 и 6 соответственно. Затем я использовал серию нулей, чтобы представить грани игральных костей на выходе. Я также..
Понимание обучения PAC: введение с примерами Python
Обзор вероятно приблизительно правильной структуры обучения
1. Введение
В динамичной области машинного обучения (МО) понимание возможностей и ограничений наших моделей жизненно важно для достижения успеха. Вероятно приблизительно правильное (PAC) обучение обеспечивает мощную основу, которая позволяет нам принимать обоснованные решения во время обучения и оценки модели. Изучая основы обучения PAC, мы получаем ценную информацию об определении размера выборки, обучаемости модели и..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..