Datawhale 5月数据分析营学习TASK05

最新推荐文章于 2025-12-03 10:01:15 发布
原创 最新推荐文章于 2025-12-03 10:01:15 发布 · 80 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#学习 #python

本次学习分享中，作者回顾了数据建模和模型评估的相关知识，通过跟随课程视频和手册逐步实践，掌握了新技能，并意识到仍需进一步加深对函数原理的理解。此课程为初学者打开了数据科学的大门。
部署运行你感兴趣的模型镜像

最后一次打卡啦：没想到坚持到最后了，这次课程学习了数据建模和模型评估，跟着视频和手册一步一步学完了，又学习到新技能了，但很多函数原理还不太熟悉，还需要课后再好好复习，加强练习，温故而知新，这次课程对于我这个小白来说真的是太赞了，打开了新世界，突然觉得代码不是天书了，感谢Datawahle！

您可能感兴趣的与本文相关的镜像

Wan2.2-T2V-A5B

Wan2.2-T2V-A5B

文生视频
Wan2.2

Wan2.2是由通义万相开源高效文本到视频生成模型，是有​50亿参数的轻量级视频生成模型，专为快速内容创作优化。支持480P视频生成，具备优秀的时序连贯性和运动推理能力

Datawhale 春训营 AI + 航空安全 task2
2301_80265256的博客
04-18 1053
本次笔记是对第三届世界科学智能大赛航空安全赛道：航空结冰气象要素预报baseline的提升，具体的baseline可以看我上一个博客，在提升baseline的时候，我运用了一些工具的辅助以及task2的资料，以下是对赛题的简要描述。
Datawhale九月组队学习--情感分析--Task02
可乐的博客
09-19 734
Datawhale九月组队学习–情感分析 往期指路:    Task01情感分析BaseLine 文章目录Datawhale九月组队学习--情感分析前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 本篇主要在上一任务的基础上,对模型效果进行调优,主要包含以下内容： 序列填充 预训练词嵌入 LSTM 双向 RNN 多层 RNN 正则化 优化 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二
Datawhale 5月数据分析营学习TASK04
keeplearninglena的博客
05-23 116
第四次任务啦：这次任务是数据可视化，又开发了新技能，了解了Python数据可视化库Matplotlib，能画出简单的柱状图、折线图了！
Datawhale 5月数据分析营学习TASK03
keeplearninglena的博客
05-21 110
Datawhale 5月数据分析营学习TASK03
Datawhale 5月数据分析营学习TASK02
keeplearninglena的博客
05-19 124
第二个任务打卡：每天进步一点点。
Datawhale六月学习数据分析打卡task5
weixin_51956695的博客
06-23 229
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 第三章 模型搭建和评估–建模： 经过前面的两章的知识点的学习，我可以对数数据的本身进行处理，比如数据本身的
Datawhale六月学习数据分析打卡task3
weixin_51956695的博客
06-19 232
第二章：数据重构 学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 复习： 复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分
Datawhale六月学习数据分析打卡task2
weixin_51956695的博客
06-17 231
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 学习内容： 数据清洗及特征处理 简介： 我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，
Datawhale六月学习数据分析打卡task4
weixin_51956695的博客
06-21 226
第三章：数据可视化 学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 复习： 复习：回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的
Datawhale六月学习数据分析打卡task1
weixin_51956695的博客
06-14 390
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 学习内容： 数据载入及初步观察 学习时间： 2021/6/14 ----- 2021/6/16 具体任
DataWhale_数据分析训练营task1（第一章）
qq_29380039的博客
08-17 1249
文章目录第一章 初识pandas第一章part1：数据载入及初步观察1.1 载入数据1.1.1 任务一：导入numpy和pandas1.1.2 任务二：载入数据1.1.3 任务三：每1000行为一个数据模块，逐块读取1.1.4 任务四：将表头改成中文，索引改为乘客ID [对于某些英文资料，我们可以通过翻译来更直观的熟悉我们的数据]1.2 初步观察1.2.1 任务一：查看数据的基本信息1.2.2 任务二：观察表格前10行的数据和后15行的数据1.2.4 任务三：判断数据是否为空，为空的地方返回True，其余地
Datawhale九月组队学习--情感分析--Task01
可乐的博客
09-15 773
提示：学习地址点这里 文章目录前言一、模型构建流程1.1 数据预处理1.2 构建模型1.3 模型训练总结 前言   Task01主要是采用RNN框架 (注意：本文对RNN原理不做详细的解读)、 IMDB数据集来构建了一个文本情感分析任务的Baseline模型。 一、模型构建流程 1.1 数据预处理   TorchText 数据预处理包含以下步骤： 步骤1：使用Field来处理数据； 步骤2：使用Datasets加载要用的IMDB数据集； 步骤3：必须构建一个 词汇表，这样做是因为我们的模型不能对字符
DataWhale 二月组队学习-深度学习教程-Task03
qq_61081456的博客
02-19 995
训练数据划分策略：k折交叉验证（k-fold cross validation），如下图所示，将训练数据随机分成k等份，每次取其中的（k-1）份作为训练集，剩下一份作为验证集，重复k次，得到k组结果，将k组结果平均起来，得到模型的最终效果。当有多个模型时，选择结果最好的模型用在全部训练集上，再到测试集上。将训练数据分成两部分，训练集（training set）和验证集（validation set），用training set中的数据训练模型，用validation set中的数据挑选模型。
Datawhale第五期-深度学习-Task 3-学习笔记
2301_81156246的博客
09-02 955
在应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。如果在 Kaggle 上的 结果不太好，虽然 Kaggle 上呈现的是测试数据的结果，但要先检查训练数据的损失。看看模 型在训练数据上面，有没有学起来，再去看测试的结果，如果训练数据的损失很大，显然它在 训练集上面也没有训练好。接下来再分析一下在训练集上面没有学好的原因。
【AI学习-comfyUI学习-第十二节-FLUX局部重绘工作流-各个部分学习-第十二节】
qq_22146161的博客
12-02 839
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。加载图像这就是上传的那张桥墩照片没问题这也算各一个开始吧，我也在学习摸索中。
windows上位机开发学习（二）计时器案例（下） int大小
qq_43091070的博客
11-29 920
本文介绍了Windows上位机开发中计时器案例的代码实现过程。首先通过工具箱添加Timer控件并设置1秒间隔，然后详细讲解了核心代码：1)声明全局变量记录时间；2)实现"开始"按钮点击事件，解析用户输入并初始化计时器；3)编写Timer的Tick事件处理逻辑，每秒更新界面并判断倒计时结束。文章还展示了完成效果图，并附带单片机int类型大小对照表。最后提供了C#串口通信编程的学习参考网址，欢迎交流讨论。
C++基础：Stanford CS106L学习笔记 1 类型与结构
WM2101的博客
12-02 311
本文介绍了C++的类型系统和结构体特性。在类型系统方面，C++采用静态类型，变量类型一旦确定不可更改，与Python的动态类型形成对比。静态类型能提高效率并减少运行时错误。文章还介绍了using类型别名、auto类型推断以及函数重载等现代类型特性。在结构体方面，展示了如何定义和使用结构体，以及使用std::pair模板简化多值返回的实现方式。通过对比Python和C++的代码示例，突出了C++在类型安全性和编译时检查方面的优势。
【Prompt学习技能树地图】LangChain原理及应用操作指南
最新发布
致力于成为一名data scientist 的奋斗者
12-03 560
基础层主要解决两个核心问题：模型调用的统一化和数据存储的标准化。通过抽象接口设计，为上层应用提供了稳定、可预测的编程模型。表3.2：基础层核心组件概览组件类别核心功能解决的关键问题典型实现模型抽象统一模型调用接口屏蔽不同模型API差异存储抽象统一数据访问方式标准化各类存储系统操作文档处理多格式文档加载与转换统一文档处理流程PDF、HTML、Markdown解析接口规范定义标准化调用契约确保组件间兼容性BaseLLM、VectorStore接口。
学习：《The QUIC Transport Protocol: Design and Internet-Scale Deployment》
qq_45913654的博客
12-02 546
QUIC协议是基于UDP的新型传输协议，旨在解决TCP协议在互联网环境中的固有缺陷。
数据挖掘Task2：深入EDA数据分析
"DataWhale数据挖掘学习任务2主要涵盖了数据加载、数据概况查看、缺失值、异常值和重复值的检测，以及预测值分布、数据特征分析等多个方面，旨在进行深入的数据探索分析(EDA)。这个任务适用于大数据和数据分析的学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值