技术:1.机器学习:熟练使用sklearn、keras建立机器学习模型(线性回归、决策树、xgboost等)以及深度学习模型(RNN、LSTM) 2.数据处理:能够熟练使用pandas对数据进行切片等操作 3.数据可视化:能够使用matplotlib、seaborn、pye
项目:交互式全国疫情地图:通过编写爬虫程序获取疫情相关数据,再利用pyechart库完成绘制 通过爬虫程序获取美国民主党与共和党议员的Twitter文章,并计算各个账号在一个时间段内与疫情相关的推文数量所占的百分比,然后利用python中的scipy库对样本进行了T检验 利
案例: 交互式全国疫情地图
技术:机器学习,深度学习,人脸识别,目标检测,目标识别,软件开发,图形库,gpu加速 1.熟悉机器学习算法模型(线性回归、KNN、SVM、K-means系列、随机森林XGBOOST,GBDT等)。 2.熟悉深度学习网络:BP、CNN(LeNet、VGG、GoogleNet、ResN
项目:项目二:镇江市智能交通项目 项目描述:镇江市智慧交通项目是一个路面实时车辆通行状况,它进行车型识别、车牌识别、非机动车检测、行人检测、车辆自动记数、红绿灯识别、车辆排队长度、拥堵程度判断分析,分析这些信息可用于实现交通态势预测和红绿灯
案例: 智慧交通项目/娱乐推荐系统