.
程序员
中水源禹 · 5年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程可工作日驻场（离职原因）可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
专业团队, 接python代做, 深度学习, 机器学习, 图像识别, 自然语言处理, pytorch, Tensorflow, 文本分类, 图片分类, 情感分析, 时序预测, 爬虫数据采集, 数据分析, bug调试, 程序跑通, 程序优化, 算法整合等等
项目经验
专业团队, 接python代做, 深度学习, 机器学习, 图像识别, 自然语言处理, pytorch, Tensorflow, 文本分类, 图片分类, 情感分析, 时序预测, 爬虫数据采集, 数据分析, bug调试, 程序跑通, 程序优化, 算法整合等等
.
程序员 · 5年经验 · 中水源禹
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
专业团队, 接python代做, 深度学习, 机器学习, 图像识别, 自然语言处理, pytorch, Tensorflow, 文本分类, 图片分类, 情感分析, 时序预测, 爬虫数据采集, 数据分析, bug调试, 程序跑通, 程序优化, 算法整合等等
项目经验
专业团队, 接python代做, 深度学习, 机器学习, 图像识别, 自然语言处理, pytorch, Tensorflow, 文本分类, 图片分类, 情感分析, 时序预测, 爬虫数据采集, 数据分析, bug调试, 程序跑通, 程序优化, 算法整合等等
案例展示
经验重放和高斯过程结合持续学习算法整合
根据客户的需求, 要在比较基于经验重放（Experience Replay）和高斯过程（Gaussian Process, GP）增强经验重放两种方法在不同数据集上的性能表现的代码的基础上, 加入GitHub上持续学习的思路进行算法整合, 通过改写, 最终实现了一个用于连续学习的
进行水文过程中不确定性预测及敏感性分析
项目中实现了一个集成多种预测模型和不确定性分析的水文预测框架，主要用于基于气象强迫数据和流量数据对流域的未来流量进行精确预测及不确定性量化分析。首先，通过加载和预处理不同流域的数据，将时间序列转化为适合监督学习的特征-标签格式，同时进行单位转换和数据归一化处理。接着，框架定义了普
立即沟通
