首页
学习
活动
专区
工具
TVP
发布

宏伦工作室

专栏成员
29
文章
41303
阅读量
29
订阅数
GAN的前生今世(先导篇)
不过,现在工作和生活都差不多稳定下来了,于是想捡起以前的爱好,继续追逐技术、感受分享的乐趣
张宏伦
2020-07-24
3740
开源 | 深度有趣 - 人工智能实战项目合集
理论部分 已经有很多神级大佬的工作,例如吴恩达老师的深度学习微专业课,所以不在这块花重复力气。
张宏伦
2018-10-10
1.1K0
动手实现notMNIST数据集图片分类
图片分类是机器学习中的一项常见任务。notMNIST是这样的一个数据集:图片共分为A、B、C、D、E、F、G、H、I、J十类,宽高都是28个像素,样式各异、姿态万千。下图中的图片虽然都属于A类,但外观
张宏伦
2018-06-07
1.3K0
200行Python代码实现2048
2048 是我读大学的时候火起来的一门游戏,没有玩过的童鞋可以亲自体验一下:http://gabrielecirulli.github.io/2048/ 前一段时间又出来了个 博士版,嗯,玩起来很有
张宏伦
2018-06-07
1.6K0
全栈 - 3 序言 带好装备Python和Sublime
这是全栈数据工程师养成攻略系列教程的第三期:3 序言 带好装备Python和Sublime。 对于程序员来说,两件最重要的装备,便是编辑器和编程语言。 Sublime 某些语言可能会有自己专用的编译器和编程环境,如Java的Eclipse。但是在这里我给大家推荐的是一款通用、简单而且强大的文本编辑器,叫做Sublime。它就是一款文本编辑器,所以你可以往里面写任何语言的代码。 下载和安装 Sublime有2和3两个版本,我推荐大家使用2即可,因为2不需要激活或注册,直接可以使用,偶尔弹出的激活提醒直接关闭即
张宏伦
2018-06-07
7690
全栈 - 4 Python 先学会基本语法
这是全栈数据工程师养成攻略系列教程的第四期:4 Python 先学会基本语法。 Python简单易学,但又博大精深。许多人号称精通Python,却不会写Pythonic的代码,对很多常用包的使用也并不熟悉。学海无涯,我们先来了解一些Python中最基本的内容。 Python的特点 解释型语言,无需编译即可运行 提供了交互式命令行 基于对象的编程思想 跨平台和良好的兼容性,在Windows、Mac、Linux上都可运行 简单好用而且功能强大 中文编码 很多同学在打开数据时会遇上乱码问题,其原因是字符集的编码问
张宏伦
2018-06-07
1K0
基于itchat实现微信群消息同步机器人
最近 全栈数据工程师养成攻略 的微信群已经将近500人,开了二群之后为了打通不同微信群之间的消息,花了点时间做了个消息同步机器人,在任意群收到消息时同步到其他群,并且将聊天内容上传至数据库,以供进一步分析、统计和展示。 基本思路是,用 Python 模拟微信登陆,接收到群里消息后,对文本、图片、分享等各类消息类型分别处理,并转发至其他群。 前期准备 首先得有一个微信号,用于代码模拟登陆。由于我的微信号得自己留着用,现阶段注册微信又必须要手机号,于是只好特意办了个电信号,用来申请了一个新的微信,微信号是 ho
张宏伦
2018-06-07
3.3K1
基于itchat实现微信群消息同步机器人1.0
上次的微信消息同步机器人存在一些问题,在使用过程中也有些不方便。今天终于不能忍了,抽出时间改了改,进行了一些改进,以下是完善后的版本。 ---- 最近 全栈数据工程师养成攻略 的微信群已经将近500人,开了二群之后为了打通不同微信群之间的消息,花了点时间做了个消息同步机器人,在任意群收到消息时同步到其他群,并且将聊天内容上传至数据库,以供进一步分析、统计和展示。 基本思路是,用 Python 模拟微信网页版登陆,接收到群里消息后,对文本、图片、分享等各类消息类型分别处理,并转发至其他群。 前期准备 首先得
张宏伦
2018-06-07
3K0
豆瓣电影数据分析和可视化
前一段时间出于个人兴趣做了个小demo,主要内容是以豆瓣电影上提供的电影数据为例,完整地展示网络数据从获取、处理到分析、可视化这一过程。纯当练手,也为感兴趣的小伙伴提供相关的技术介绍。项目代码托管在我的Github上,可视化网站地址请参见文末。 数据获取 用python写爬虫,Scrapy和urllib2都是比较好的选择,由于我对功能的要求比较简单,故选择后者即可。 在豆瓣电影上通过Chrome开发工具找到数据请求API,接下来就可以写代码爬一些电影数据了,我使用的是这两个API: http://movi
张宏伦
2018-06-07
2.9K0
基于维基百科的中文词语相关度计算
首先来一个简单的问题,“乔布斯”和“苹果”这两个词有关联吗?如果有,有多大的相关度? 背景介绍 传统的文档相关度一般是基于特征提取所得的向量相关度,而词语相关度也经常在不少实际应用中涉及到。对于要比较的两个词语,相对于仅仅在“相等”和“不等”这两者间做一个选择,更好的方法应当是对相关度的大小作一个数值性刻画。如果“1”对应完全相关,“0”对应完全不相关(当然也可以将相关度最小值设为-1),那么可以用“0”至“1”之间的一个浮点数来刻画两个词语的相关度。 衡量两个词语的相关度一般通过比较其上下文环境来实现,
张宏伦
2018-06-07
7620
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档