XiaoMi-AI文件搜索系统
World File Search Systempandas
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
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。
活动类型：一周教师发展计划
活动的报告和结果为期1周的教职计划于2024年1月8日至13日举行。资源人员讨论了新概念，并为主题提供了新的见解。Shashank先生和Chandan Jayaram先生是该FDP的资源人员。在第一天，python的基础，例如基本数据类型和循环。本次会议之后进行了有关概率和条件事件的介绍。第二天从Python的功能，列表，元组和功能强大的Pandas包装开始。下午会议上有机器学习的动手经验。在第三天，讨论了与机器学习有关的概率统计主题，例如随机变量，并讨论了分布的属性。在第四天讨论了高级Python概念和机器学习技术的第一步。下午会议是关于数据可视化和建筑模型的。第五天引入了贝叶斯分类器，回归和支持向量机。最后，在第六天，提供了有关机器学习的小型项目。这个FDP充满了概念，并提供了一个有趣的旅程。尽管目的地仍然很遥远，但到目前为止的旅程充满了知识和意义。这项FDP活动总共受益于34个教职员工。
自动化人类辅导员风格的编程反馈：利用GPT-4的提示生成指导模型和提示验证的GPT-3.5学生模型
生成的AI和大型语言模型通过自动为学生产生个性化的反馈来增强编程教育。我们调查了生成AI模型在提供人类辅导员风格的编程提示中的作用，以帮助学生解决其越野车计划中的错误。重新制作的作品对各种反馈生成方案的最新模型进行了基准测试；但是，它们的整体质量仍然不如人类的辅导员，尚未准备好现实世界。在本文中，我们试图将生成AI模型的限制推向提供高质量的编程提示，并开发出一种新颖的技术GPT4HINTS-GPT3.5VAL。作为第一步，我们的技术利用GPT-4作为“辅导”模型来生成提示 - 它通过使用未完成的测试用例和提示中修复的符号信息来提高生成质量。作为下一步，我们的技术利用GPT-3.5（一个较弱的模型）作为“学生”模型来进一步验证提示质量 - 它通过模拟提供此反馈的潜在实用性来执行自动质量有效性。我们通过对Python程序的三个现实数据集进行了广泛的评估来显示我们的技术的功效，这些数据集涵盖了从基本算法到使用PANDAS库的正则表达式和数据分析的各种概念。
语言能力对编程影响的研究...
*Jae-Yong Lee，教授，韩瑞大学（泰安校区）无人机系统系，韩国忠清南道泰安郡南面 Gomseom-ro，邮编 32158，jylee@hanseo.ac.kr *通讯作者摘要。本研究旨在确定三种语言能力对三种编程兴趣的影响。本研究的对象是 39 名开始学习 C 语言编程的大学生。它将语言能力分为“阅读”、“写作”和“语法理解”，将编程兴趣分为“情境兴趣”、“潜在兴趣”和“实际兴趣”，并分析这三类中每个变量的影响。本研究使用 Pandas 进行分析，并进行了信度测试、描述性统计分析、相关性分析和回归分析。语言能力三项与编程兴趣三项的Pearson相关系数分别为：第一次调查.54~.88，第二次调查.54~.95，第三次调查.66~.94，p值均<.01。第一次学生学习数据后进行的调查，a_value为25.016，b_value为0.256；第二次调查，a_value为23.009，b_value为0.275；第三次调查，a_value为18.237，b_value为0.330。第一次、第二次、第三次调查的R_squared值分别为.530、.564、.747。绩效评估结果表明
![机器学习[2：0：2 = 3]课程内容](/simg/g:\will\search\icon\source\3\3c3c5fbc077e812f9f79c8e1f3d650d5b5baa120.webp)
机器学习[2：0：2 = 3]课程内容
机器学习简介。必需图书馆和工具（Scipy，Numpy，Pandas，Graphviz，Seaborn，Matplotlib软件包）。学习类型 - 受监督和无监督的学习。问题类型 - 回归，分类和聚类；机器学习的应用。讨论关键概念，例如成本函数，优化 - 梯度下降算法。采样，决策界限，模型不合适和过度拟合以及偏见变化权衡，成本敏感模型，电感偏见。贝叶斯学习：概率的基础，贝叶斯规则，生成与判别模型，贝叶斯规则 - 参数估计，最大似然。监督学习：解决回归问题 - 线性回归，正则化 - 脊和拉索。解决分类问题 - 逻辑回归，SVM，决策树。合奏 - 决策森林，包装和增强。无监督的学习：聚类-DBSCAN和桦木。异常检测 - 密度估计。加强学习简介。通过主成分分析缩小维度，内核主成分分析。人工神经网络简介。模型验证和选择：准确性，置信区间，混淆矩阵，精度，召回和其他指标，超参数调整，交叉验证，引导程序和ROC曲线，R平方等等。模型部署 - 在基于云的服务器中部署机器学习模型。
Anss Hameed
•开发基于Python的深度学习交易者，受到LOB快照和基线交易策略的培训，利用技术指标（例如rsi）与超人贸易代理商竞争（例如zip，shvr）。•在C + +中分布式HFT市场间套利模拟中使用XGBoost评估深度学习交易者。协整驱动的对技术指标的交易| Python，Pandas，Numpy 2025年1月•使用统计协整测试（ADF）识别具有固定差的库存对，以确保均值转换潜力。•使用布林乐队，RSI和Z分数作为进入/出口信号，通过停止损害和庞然大意的级别构建了回测引擎。•在4年内达到1.06的夏普比率为115％，表明稳健和风险调整后的盈利能力。随机选项定价引擎（蒙特卡洛和黑色choles）| Python 2024年11月•使用几何布朗运动在50多个场景中模拟资产价格路径，应用神经网络以进行波动性预测，以将定价准确性提高10％，将黑链链作为基准。•构建了一个实时交互式UI，以进行参数调整和视觉误差分析，从而通过超参数调谐优化Monte Carlo性能，MC和B-S输出之间的平均误差<5％。AI社交媒体|产品经理，客户联络与开发人员（Spacenxt Labs）| Python，JavaScript 2023年9月 - 2024年5月
微生物和精神疾病：过去，现在和未来
摘要：对微生物与精神疾病之间的关联进行了综述，包括病史，相关定义，与精神疾病相关的感染因素，复杂的互动感染，全负负荷理论，病理生理学，心理免疫学，心理肉食免疫学，临床表现，临床表现，早期生活感染，临床评估，临床评估和治疗。关于精神疾病病因的观点已从恶魔的财产发展为基于生物系统的模型，包括基因表达，环境触发器，免疫介质和传染病。微生物与多种精神障碍有关，包括自闭症，精神分裂症，躁郁症，抑郁症和焦虑症，以及自杀，侵略性或暴力行为。与至少与这些疾病有关的特定微生物包括曲霉，贝贝西亚，巴尔托内拉，伯尔纳病毒，伯氏伯氏病，伯罗利亚病（莱姆病），念珠菌，念珠菌，衣原体，冠状病毒，冠状病毒，冠状病毒（例如 Epstein–Barr virus, hepatitis C, herpes simplex virus, human endogenous retroviruses, human immunodeficiency virus, human herpesvirus-6 (HHV-6), human T-cell lymphotropic virus type 1, influenza viruses, measles virus, Mycoplasma , Plasmodium , rubella virus, Group A Streptococcus (PANDAS), Taenia solium，Toxoplasma Gondii，treponema Pallidum（梅毒），锥虫瘤和西尼罗河病毒。认识到与大型跨学科研究，教育和治疗方案发展的微生物和精神疾病关联可能会预防和减少精神疾病的发病率，残疾和死亡率。
M. Tech。在生物医学工程
争吵，数据探索和选择模型。Python编程语言简介，重要的Python功能，Python与其他编程语言，Python安装，Windows和Mac的Anaconda Python分发，如何运行Python脚本，Python IDE工作机构，运行Python Basic commands，Python Basics commands，Python python varriables类型和数据类型。模块2：Python基本结构介绍了Python中的基本结构，理解诸如标签和空间之类的凹痕，Python内置数据类型，Python的基本运算符，Python，循环和控制语句（如中断）和控制语句（例如继续，继续，继续，否则，范围（）范围（）等等。和抽象，哪些访问修饰符，实例，类成员，类和对象，功能参数和返回类型函数，lambda表达式。Module 3 : NumPy for Data Transformation Introduction to mathematical computing in Python, What are arrays and matrices, array indexing, array math, Inspecting a NumPy array, NumPy array manipulation Module 4 : Scipy for Mathematical Computing Introduction to SciPy, Functions building on top of NumPy, cluster, linalg, signal, optimize, integrate, subpackages, SciPy with Bayes Theorem.模块5：数据操纵和数据可视化加载来自各种文件的数据（.dat，.json，.h5，.txt，.csv，.xlsx等），示例应用程序，Matplotlib简介，使用matplotlib绘制图形和图表，例如散点，栏，派，派，线等，直方图等，matplotlib apis