注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. News-源码

  2. 消息 要求 请使用以下条件创建一个新的应用程序 使用作为数据源 应用程序必须使用Kotlin或Swift编写 应用程序必须用MVVM和MVP编写，并编写测试用例。 使用您了解和理解的任何框架和库 应用程序必须具有此功能：带有图片b的新闻列表。带有图片的新闻详细信息c。链接以打开原始新闻d。在家中有3个标签视图，它将显示有关以下内容的列表：i。带有图片ii的头条新闻。 iii。根据用户的喜好自定义新闻（必须向用户提供从以下选项中选择的关键字：比特币，苹果，地震，动物。用户只能选择一个关键字）。轮廓

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：855kb
    • 提供者：weixin_42105169

  1. natural-language-processing:使用BTC和ETH的News API进行NLP探索-源码

  2. 来自加密货币的故事 背景 最近有很多关于加密货币的新闻大肆宣传，因此，我们想总结一下关于比特币和以太坊的最新新闻头条，以便更好地了解每种硬币的当前公众情绪。 在这项作业中，我将运用自然语言处理来了解有关比特币和以太坊的最新新闻中的情绪。我还将应用基本的NLP技术来更好地理解硬币价格所涉及的其他因素，例如文章中提到的常用单词和短语以及组织和实体。 Jupyter Notebook详细说明了以下任务的完成： 1-情绪分析 使用提取有关比特币和以太坊的最新新闻，并为每个硬币创建一个情感分数的Dat

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：549kb
    • 提供者：weixin_42097914

  1. Unit12_NLP_Crypto-源码

  2. 单元12_自然语言处理-加密情绪 最近有很多关于加密货币的新闻大肆宣传。 随附的.ipnyb文件包含我们的代码，该代码将查看与比特币和以太坊相关的最新新闻标题，以使人们更好地了解每种硬币的当前公众情绪。 将使用自然语言处理技术来理解与硬币价格有关的因素，例如文章中提到的常用单词和短语以及实体。 1.情绪分析 使用newsapi，已获取有关比特币和以太坊的最新新闻，以进一步分析每种代币的情绪得分。 请参考.ipynb文件以获取详细代码。 分析摘要可在下面找到。 分析： 问：哪种硬币的平均阳性得分最

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：736kb
    • 提供者：weixin_42131261

  1. bitcoin-news-源码

  2. ₿币 :robot: :rocket: :full_moon: 将有关比特币的实时新闻发送到Telegram（新闻，推文和公共文档）。 想加入群聊吗？ 给我发消息。 捐赠数据库发票吗？ :hot_beverage: 贡献者 :sparkles: 感谢这些很棒的人（）： 该项目遵循规范。 一提交，您就进入了！ 叠坐

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：88kb
    • 提供者：weixin_42106765

  1. 传奇故事-源码

  2. 第十二单元—加密货币的故事 背景 最近有很多关于加密货币的新闻大肆宣传，因此，您可以盘点有关比特币和以太坊的最新新闻头条，以便更好地了解每种硬币的当前公众情绪。 在本作业中，您将应用自然语言处理来了解有关比特币和以太坊的最新新闻中的情绪。 您还将应用基本的NLP技术，以更好地理解与硬币价格有关的其他因素，例如文章中提到的常用单词和短语以及组织和实体。 完成以下任务： 档案文件 指示 情绪分析 使用提取有关比特币和以太坊的最新新闻，并为每个硬币创建一个情感分数的数据框。 使用描述性统计信息来

  3. 所属分类：其它

  1. ML-比特币价格预测使用新闻-源码

  2. ML-比特币价格预测使用新闻 该项目的目的是根据新闻报道预测比特币的价格。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：83kb
    • 提供者：weixin_42123456

  1. 实验室财务数据绘图-源码

  2. 实验室财务数据图 介绍 是比特币等数字货币及其底层技术-区块链的新闻和信息的全球领导者。 它们涵盖了有关比特币以及数字货币世界的趋势，价格走势，技术，公司和人员的新闻和分析。 在本练习中，我们将使用他们的数据存储库之一： 。 CoinDesk提供了一个简单的API，以编程方式制作其比特币价格指数数据，我们将使用它来表示图表中的值。 比特币价格指数是具有不同货币的比特币的价值。 因此，我们将使用在图形中显示这些变化。 :eyes: （也称为chart.js）是一个开放源代码库，使我

  3. 所属分类：其它

  1. Google-BigQuery：SQL寻宝游戏-源码

  2. Google-BigQuery SQL清道夫搜寻 我开始阅读有关大数据的文章，我对Google如何为我们提供访问大数据集（即千兆字节，太字节等）的平台感到惊讶。 今天，我在Kaggle上成功完成了SQL Scavenger Hunt，这使我有了使用Google BigQuery的良好开端。 通过在python平台上编写SQL查询进行分析，我使用BigQuery提取了公共的大型数据集，例如global_air_quality，黑客新闻，美国交通事故记录，比特币和GitHub（其中有数以百计的数据

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：143kb
    • 提供者：weixin_42138716

  1. nlp加密-源码

  2. 密码故事 情绪分析 使用newsapi提取关于比特币和以太坊的最新新闻，并为每个硬币创建一个情感分数的数据框。 使用描述性统计信息来回答以下问题： 问：哪种硬币的平均阳性得分最高？ 答：与以太坊相比，比特币的平均平均得分更高（比特币为0.0776，以太坊为0.0694）。 问：哪种硬币的综合得分最高？ 答：比特币的最高综合得分（0.9231）。 问：哪种硬币的正面得分最高？ 答：比特币的最高综合得分（0.326）。 自然语言处理 接下来，查看每个硬币的ngram和单词频率。 通过所有比特币

  3. 所属分类：其它

  1. NLP：在这个项目中，我们将应用自然语言处理来了解有关比特币和以太坊的最新新闻中的情绪。 我们还将应用基本的自然语言处理技术，以更好地理解与硬币价格有关的其他因素，例如文章中提到的常用词和短语以及组织和实体-源码

  2. 在这个项目中，我们将应用自然语言处理来了解有关比特币和以太坊的最新新闻中的情绪。 我们还将应用基本的自然语言处理技术，以更好地理解与硬币价格有关的其他因素，例如文章中提到的常用单词和短语以及组织和实体。 我们将完成情感分析，自然语言处理和命名实体识别。 情绪分析 我们将使用News API，获取关于比特币和以太坊的最新新闻，并为每个硬币创建一个情感分数的DataFrame。 使用描述性统计信息来回答以下问题： 哪种硬币的平均阳性得分最高？ 哪枚硬币的负分最高？ 哪枚硬币的正面得分最高？

  3. 所属分类：其它

  1. LSTM_Stock_Predictor：使用深度学习模型预测加密货币价格-LSTM RNN体系结构-源码

  2. LSTM_Stock_Predictor 由于加密货币投机活动的波动性，投资者通常会尝试结合社交媒体和新闻文章的观点来帮助指导其交易策略。 这样的指标之一就是 ，它试图使用各种数据源来产生加密货币的每日FNG值。 让我们使用FNG值和简单的收盘价来构建和评估深度学习模型，以确定FNG指标是否为加密货币提供比正常收盘价数据更好的信号。 我们将使用深度学习递归神经网络来建模比特币收盘价。 一个模型将使用FNG指标来预测收盘价，而第二个模型将使用收盘窗口来预测第n个收盘价。 方法： 准备数据以进

  3. 所属分类：其它

  1. 比特币新闻-源码

  2. 比特币新闻 获取最新的比特币新闻数据并在recyclerview中显示

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：149kb
    • 提供者：weixin_42149153

  1. ReactNativeNews-源码

  2. 欢迎来到ReactNativeNews 有关项目的一些信息： 只是一个用于测试我的React-Native技能的简单应用程序。该应用程序有4个屏幕和抽屉（用于在它们之间进行导航）。 新闻屏幕是简单的比特币新闻屏幕，其中有一些预览，单击其中一些后，您将导航到具有酷SharedElement效果的DetailNews屏幕。 QRCode屏幕可让您从字符串生成简单的QRCode +您有机会对其进行重新制作。创建带有有趣动画的QRCode。 相机屏幕可让您拍照并立即将图像上传到服务器（以base64格

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：511kb
    • 提供者：weixin_42131342

  1. chir.py：通过ppc链接构建关注者，帖子和比特币的Twitter新闻机器人-源码

  2. 扢 通过ppc链接构建关注者，帖子和比特币的twitter新闻机器人 要求 （仅在出现“ InsecurePlatformWarning”错误时安装。） 使用说明 注册一个Twitter帐户，并一个新的开发人员应用程序。 转到新的应用程序设置的“密钥和访问令牌”选项卡。 点击底部的“创建访问令牌”按钮。 这些将在配置中用于连接到您的Twitter帐户。 转到新的应用程序设置“权限”。 将您的访问权限更改为“读取，写入和访问直接消息”。 注册一个帐户并获取您的。 您将在“ uui

  3. 所属分类：其它

  1. chainweb-node：Chainweb：大规模吞吐量的工作量并行链架构-源码

  2. 嘉手纳公共区块链 Kadena是使用Chainweb共识协议的快速，安全和可扩展的区块链。 Chainweb是一种编织的，并行的工作量证明共识机制，可提高在区块链上执行交易的吞吐量和可伸缩性，同时保持比特币中的安全性和完整性。 阅读我们的： 有关其他信息，新闻和发展咨询，请Kadena 目录 文件 Kadena Docs网站（可在找到）是有关Kadena的信息来源。 您可以找到有关如何与公共链进行交互的信息，包括如何获取密钥，查看网络活动，探索区块等。 如果您有其他意见或建议，请提交拉取请求

  3. 所属分类：其它

  1. Blocklet：多合一加密货币钱包-使用React Native构建-源码

  2. 块状 专为IOS和Android手机打造的多合一加密货币钱包。 实施功能 余额（目前为比特币，莱特币和狗币） 通过二维码转移硬币 最近交易 所提供货币的兑换信息 流行货币的市场图信息 货币计算器 最新的加密货币新闻 屏幕截图 用法 git clone https://github.com/rainierlouis/Blocklet.git或下载zip文件。 cd /client 。 npm install开始依赖项安装。 npm start启动开发服务器。 使用手机上的Expo应用程序

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：745kb
    • 提供者：weixin_42116650

  1. Curso_Blockchain：加密货币和区块链技术应用入门课程-源码

  2. 加密货币和区块链 应用数学学院-FGV FlávioCodeçoCoelho 关于加密货币和区块链技术其他应用的入门课程。 该课程是FGV应用数学和数据科学本科课程的一部分 您可以在上视频讲座（葡萄牙语），涵盖了该课程内容的一部分。 新闻和公告 日期 Kong蒂多 2018-08-02 leiturapréviado white aula（ver bibliografia） 2018-08-09 leiturapréviado纸 赛普拉斯 比特币及其历史简介； 加密货币的起源 使用比特

  3. 所属分类：其它

  1. BitVision：用于交易比特币，预测价格走势并损失所有资金的终端仪表板-源码

  2. BitVision是BitVision的实时图表和交易仪表板，完全可在终端中使用。 它带有一个自动交易机器人，该机器人使用机器学习来预测价格走势并进行经过风险调整的每日交易。 与其他系统不同，无需托管服务器或编辑繁琐的安装文件。 安装后，只需运行$ bitvision以开始使用仪表板。 BitVision的主要功能是： 每日汇率图 实时监控比特币相关新闻，技术指标和区块链网络数据 记录以前的交易和您当前的帐户余额 投资组合指标，包括您的夏普比率，买卖准确性，净利润和回报[UNDER CON

  3. 所属分类：其它

  1. 生活：可扩展的仪表板，使重要的事物保持可见并挽救生命-源码

  2. 生活 :rocket: 可扩展的仪表板使重要的事物保持可见并挽救生命 屏幕截图 配置 生成环境变量值，请参见.env.example ： 创建.env文件并插入生成的值： cp .env.example .env 安装 $ npm install 跑 $ npm start 路线图[v1.0.0] 模组 比特币图表 加密货币价格 GitHub趋势 黑客新闻 Twitter趋势 天气 Google日历 加密货币新闻 溢出新闻 报警 时钟 产品特点 实时模块刷新 具有

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：263kb
    • 提供者：weixin_42128963

  1. 比特币价值预测器：[不维护]使用时间序列分析和比特币上推文的情绪分析来预测比特币价格-源码

  2. 比特币价值预测器 抽象： 该项目试图通过识别社交媒体情绪与市场情绪之间的相关性来预测比特币的未来价值。 我们将通过收集来自Twitter，Facebook和linkedin等社交媒体的用户供稿来实现这一目标。 有了语料库后，我们将使用IBM Watson的自然语言理解API来映射它们的关联情绪。 在将情感映射到我们的语料库时，我们尝试捕获粒度级别的类别，即欢乐，愤怒，幸福等。我们将这些类别用作ML / DL算法的特征向量。 然后，我们比较不同算法的结果，并选择精度最高的算法。 技术： 编程语

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：455kb
    • 提供者：weixin_42127748