学习 学习各种Python技术

为了简化支持MIT Open Learning运行的服务所需的基础架构管理，我们已经使用PyInfra实现了配置管理逻辑。 这具有纯Python的优势，使我们能够利用它提供的广泛的生态系统，包括棉绒，测试和集成。 项目结构 任何给定的服务都不太可能由单个服务组成，而是需要将各种组件一起使用。 为了使运行系统的组成更易于推论，我们将任何给定技术的职责分解为一个独立的组件。 这些组件位于src/components/目录下。 每个组件至少提供安装和配置关联服务所需的逻辑。 此外，每个组件还应提供升级

机器学习Python AI / ML不再是理想技术，而是必需品。 根据Gartner，到2024年，尝试实施ML的所有公司中将有75％投入使用。 该POC的algorithm文件夹下已涵盖了各种ML算法。 这些是Jupyter笔记本。 运行Anaconda-> Jupyter->选择.ipynb。 Jupyter快捷方式： ctrl + Enter：运行命令集 alt + Enter：运行命令集，并在下面为下一组命令插入一个新框。 人工智能，机器学习与深度学习 AI：将类似于

1-监督学习 在本课程中，您将学习如何使用Python执行监督学习，这是机器学习的重要组成部分。 您将学习如何建立预测模型，如何调整其参数，以及如何在使用现实世界数据集的同时始终了解未见数据的性能。 您将使用scikit-learn进行此操作，这是Python最受欢迎和用户友好的机器学习库之一。 Jupyter笔记本 2-无监督学习 无监督学习涵盖了机器学习中的各种技术，从聚类到降维再到矩阵分解。 在本课程中，您将学习无监督学习的基础知识，并使用scikit-learn和scipy实现基本算法。

空手道俱乐部（ Karate Club）是的无监督机器学习扩展库。 请查看，相关，和 。 空手道俱乐部由最先进的方法组成，可以对图结构化数据进行无监督学习。 简而言之，它是用于小型图形挖掘研究的瑞士军刀。 首先，它在节点和图级别提供网络嵌入技术。 其次，它包括各种重叠和不重叠的社区检测方法。 实施的方法涵盖了广泛的网络科学（ ， ），数据挖掘（ ， ， ），人工智能（ ， ）和机器学习（ ， ， ）会议，研讨会和期刊。 新引入的图分类数据集可从 ， 和。 引用 如果您