XiaoMi-AI文件搜索系统
World File Search SystemNumpy
GEMS - HAL
本文介绍了作为 IRT Saint Exup´ery MDA-MDO 项目 1 的一部分开发的 GEMS 软件，用于支持多学科设计优化 (MDO) 功能。GEMS 是一个用于编程 MDO 模拟过程的 Python 库，建立在 NumPy 2 、SciPy 3 和 Matplotlib 4 之上。GEMS 旨在推动模拟过程开发自动化的极限，特别关注：i) MDO 过程的自动编程；ii) 分布式和多级 MDO 公式（或 MDO 架构）；iii) 集成和开发用于优化、实验设计、替代模型和耦合分析的最先进算法；iv) MDO 结果分析的自动化；v) 在异构和分布式工业模拟环境中部署 MDO 流程。
pybci：用于脑部计算机接口的Python软件包（BCI ...
PYBCI设计为轻巧且用户友好，强调快速自定义，并与实验室流层（LSL）无缝集成以进行数据采集和标签（Kothe等，2023）。该平台包括Pytorch（Paszke等，2019），Tensorflow（Abadi等，2015）和Scikit-Learn（Pedregosa等，2011），以及特征提取工具，以及诸如Antropy（Vallat，2023），Numpy（Olippy（Olipean），AlipeN（Quirane），以及2006年，2006年，。 ）。 这种集成使用户可以更多地专注于他们的研究，而不是软件开发。 尽管将与其他软件解决方案进行详细比较，但在“现场状态”部分中，Pybci通过强调易用性和技术集成而与众不同。。 ）。这种集成使用户可以更多地专注于他们的研究，而不是软件开发。尽管将与其他软件解决方案进行详细比较，但在“现场状态”部分中，Pybci通过强调易用性和技术集成而与众不同。
初级计算研究人员发布
○ Experience with web development (HTML, CSS, Javascript, React, Vue, Svelte, three.js, d3.js, leaflet, mapbox) ○ Experience with data analysis (Python, pandas, numpy, scikit-learn, SQL) ○ Experience with GIS tools (QGIS, ArcGIS, ArcMap, Leaflet, or MapBox) ○ Experience with command line interface and用于文件操作的脚本工具●具有灵活和独立工作以及指导的验证能力●较强的书面和口语交流技巧；能够记录对细节的关注并纳入关键反馈的能力●展示了研究技能和经验在跨学科团队上合作的经验●通过暴露于敏感/图形内容的学习最佳实践的兴趣●开放的探索，使用和学习新方法，框架和工具和工具●熟悉设计，访问和访问权限
Quentin Ferry（博士）
深度学习课程和认证：（i）深度学习。 （ii）UC Berkeley-设计，可视化和理解深NN（审计，2021年）； （iii）DeepMind-强化学习系列2021（审计，2021年）。-----熟悉：经典DL体系结构（MLP（FF），CNN，RNN，NLP，Transformers），模型培训与优化（SGD，正规化，超参数调整等），应用程序（RL，Vision，Vision，NLP，GAN，VAE）。无监督的学习与数据分析（PCA，TSNE，MDS等）。-----编程语言：Python（Numpy，Pandas，Pytorch，Matplot- Lib），R，Matlab（也是Java，Java，JavaScript，CSS，CSS，HTLM，MySQL）。-----科学交流（即手稿，海报和谈话）（精通所有办公室软件和Adobe Illustrator）；流利的英语和法语。
Daniele Mos
Machine Learning Engineer Sep 2021 ‑ Sep 2023 • Product worked on: Digital eye‑ware measurement software and Glasses and Lenses showcase app • Responsibilities: Data handling from partner data provider Data tagging for facial measurements and data formatting Use pre‑trained models for head detection and feature extraction (OpenVino) Train and evaluate models for lenses segmentation Integrate trained models into the multi‑platform QT‑based client Zeiss，Optiswiss，Seiko和许多更多的应用程序，以便在低功率嵌入式硬件上运行，以在C ++和QT框架中为镜头和眼镜构建光学的应用程序，用于精工设计后端功能和QT框架，基于Google Analytics服务Suite Suite和工具：PIYTH，C++++++++++++py，py+++ TensorFlow，Cuda，Tensorboard，Numpy，Matplotlib
教学大纲
Python简介 - Google Colab和Jupyter笔记本，数据结构，熊猫（读，写文件，加载数据等），Numpy等。。matplotlib（区域图，散点图，线图，直方图，条形图，框图，热图，刻面，配对图），Seaborn。什么是数据科学，各种类型和数据级别，结构化与非结构化数据，定量数据，定性数据，数据科学生命周期等。数据收集和准备，缺失价值处理，数据擦洗，数据转换，探索性数据分析，人群和样本，矩和生成功能，可变性，假设测试，偏差和方差的度量。有监督的分类，例如KNN和无监督的分类，例如K-均值聚类，模型定义和培训，模型评估。特征工程，尺寸降低 - PCA，回归线性模型：线性回归，逻辑回归。
软件工程师实习生 - 麻烦aluaa
教育南达科他州立大学，布鲁金斯SD计算机科学科学学士学位预期毕业：2026年5月：数据结构，数据库管理系统，面向对象的编程，软件工程，软件工程，软件项目管理计算机架构，操作系统，操作系统，离散数学技能编程和抄写： Scripting AI & Machine Learning: TensorFlow (Basics), Scikit-learn (Basics), Stable Diffusion, Ollama, Google AI Studio, OpenCV, Pandas, NumPy Software & Development Tools: Visual Studio, VS Code, Linux, Docker, Git, GitHub, Jupiter Notebooks, PowerShell, Quartus Prime, PgAdmin Web & Application Development: .NET, Django, RESTful APIs, UI/UX Design, Figma, Cloudflare, HTML, CSS, Chrome DevTools Databases & Data Management: PostgreSQL, MySQL, MongoDB, Data Analytics, Data Visualization Additional Skills: Agile/Scrum, Cybersecurity Basics, Microsoft Office, Slack, Teams, Customer Service PROJECTS Diabetes Prediction System [ GitHub Repository ] January 2025教育南达科他州立大学，布鲁金斯SD计算机科学科学学士学位预期毕业：2026年5月：数据结构，数据库管理系统，面向对象的编程，软件工程，软件工程，软件项目管理计算机架构，操作系统，操作系统，离散数学技能编程和抄写： Scripting AI & Machine Learning: TensorFlow (Basics), Scikit-learn (Basics), Stable Diffusion, Ollama, Google AI Studio, OpenCV, Pandas, NumPy Software & Development Tools: Visual Studio, VS Code, Linux, Docker, Git, GitHub, Jupiter Notebooks, PowerShell, Quartus Prime, PgAdmin Web & Application Development: .NET, Django, RESTful APIs, UI/UX Design, Figma, Cloudflare, HTML, CSS, Chrome DevTools Databases & Data Management: PostgreSQL, MySQL, MongoDB, Data Analytics, Data Visualization Additional Skills: Agile/Scrum, Cybersecurity Basics, Microsoft Office, Slack, Teams, Customer Service PROJECTS Diabetes Prediction System [ GitHub Repository ] January 2025
使用支持向量机进行脑肿瘤图像分类
摘要 本文致力于开发一种对脑肿瘤（包括胶质瘤、脑膜瘤、垂体瘤和非肿瘤）的 MRI 图像进行分类的模型。数据集是从 Kaggle 收集的。然后，它被组织起来并上传到 GitHub。这项工作利用了 Python 的不同库，即 Matplotlib、NumPy 和 Sci-Kit Learn。Google Collaboratory 已用于执行环境，存储要求有限，为 108 GB。图像从名为“Brain-Tumor”的 GitHub 存储库克隆到 Google Collaboratory。该存储库包含一个对应于所有指定类型肿瘤图像的数据集。支持向量机算法已用于分类。所提出模型的准确率在 84% 到 92% 之间。关键词：Google Collab、图像分类、MRI 图像、机器学习、存储库、支持向量机 (SVM)
AI虚拟鼠标。
这项研究将提出一种无需任何电子设备即可控制光标位置的方法。而诸如单击和拖动等操作将使用各种手势来执行。作为输入设备，拟议的系统只需要一个网络摄像头。该系统将需要使用 OpenCV 和 Python 以及其他工具。相机的输出将显示在系统的屏幕上，以便用户可以进一步校准它。NumPy 和鼠标是用于创建此系统的 Python 要求 - 在项目第一阶段，实现和探索是在虚拟鼠标上完成的。它还包括手部跟踪，跟踪手掌并显示帧速率，手指计数，计数手指并使用手部跟踪模块作为其基础。之后，手势音量控制通过提取某些手部特征来控制音量。这些项目旨在提高生产力。我们使用 Open-Cv、Media-Pipe 和 Python 等技术。Media-Pipe 由 Google 开发。它非常高效，有助于为 AI 项目提供快速解决方案。
Geomstats：机器学习中黎曼几何的 Python 包
我们介绍了 Geomstats，这是一个开源 Python 包，用于对非线性流形（例如双曲空间、对称正定矩阵空间、变换李群等）进行计算和统计。我们提供面向对象且经过大量单元测试的实现。流形配备了黎曼度量系列以及相关的指数和对数映射、测地线和并行传输。统计和学习算法提供了对流形进行估计、聚类和降维的方法。所有相关操作都被矢量化以用于批量计算，并为不同的执行后端提供支持——即 NumPy、PyTorch 和 TensorFlow。本文介绍了该软件包，将其与相关库进行了比较，并提供了相关的代码示例。我们表明，Geomstats 提供了可靠的构建块，既可以促进微分几何和统计学的研究，又可以使黎曼几何在机器学习应用中的使用更加民主化。源代码可根据 MIT 许可证在 geomstats.ai 上免费获取。