Home
前端开发¶
Python¶
- Python 是一种解释型、面向对象、动态数据类型的高级程序设计语言
- python Uipath Orchestrator Cloud API 教程
- 用python算微积分及牛顿迭代求解高阶方程
- Python打包分发工具setuptools
- 用于数据处理的Python工具(Numerizer,Faker,Missingno,emot,Arrow)
- 用 Python Camelot从 PDF 文件中提取表格
- 多ip服务器绑定ip发送请求（requests和scrapy）
- ThreadPoolExecutor 如何选择最大工作线程数
人工智能工具教程¶
- 全目录
- AI 绘画神器 Stable Diffusion 基础教程
- stable diffusion 教你4大步驟產生逼真美女照片
- Stable Diffusion完整入门指南
- 微軟AI繪圖Bing Image Creator
- Midjourney的免费替代,BlueWillow
- AIGC在海报、场景图等项目中的运用
- Stable Diffusion WebUI Api基础知识
- GPT + Stable Diffusion 生图工作流
机器学习¶
- Python – 如何使用 t-SNE 進行降維
- 特征值分解、奇异值分解、PCA概念
- Numpy中矩阵计算模块linalg的常用函数
- 深度学习的激活函数
- 加快Scikit-Learn训练
- 特征选择,如何丢掉95%的数据并获得95%的准确率
- 用几行代码显著加快pandas速度的6种方法
- 使用 joblib 对 Pandas 数据进行并行处理
- 时间序列分析和预测
- 时间序列的趋势判断
- imblearn SMOTE算法处理样本类别不平衡
- gridSearchCV（网格搜索）的参数、方法及示例
- 混淆矩阵、准确率、精确率/查准率、召回率/查全率、F1值、ROC曲线的AUC值
- XGBoost介绍
- XGBoost 使用讲解
- 讲解绘图与支持向量机(support vector machine)
数学基础¶
- 指数分布公式的含义
- LaTeX 数学公式排版
- 常见概率统计分布及Python实现
- 期望值、方差、协方差、相关系数
- softmax详解
- 最小二乘法多项式曲线拟合及其python实现
- 交叉熵损失函数一
- 损失函数 - 交叉熵损失函数
- 向量的距离度量
- 协方差、PCA、样本中心化，白化、方差、标准差、BN
- 降维基础知识（样本均值、样本方差、中心矩阵）与PCA
- 如何画lda投影结果_线性判别分析（LDA）原理总结
- 协方差矩阵的几何解释
- 从sympy求最简形矩阵到矩阵的四个子空间及其联系
- 了解卷积
- 向量内积外积的几何意义
- 收集16个激活函数
- pandas 数据的归一化
- 数据分析常用的9种分析方法-判断分布
- 贝叶斯估计、最大似然估计、最大后验概率估计
自然语言处理¶
- 人工智能 人工智能（英语：artificial intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。
- nlp常用工具集 NLP的常用库介绍
- NLP HanNLP 词典分词
- 评价指标：准确率(Precision)、召回率(Recall)、F值(F-Measure)
- 文本关键词提取
- nlp常用工具集
- 用Python从海量文本抽取主题
- NLP pattern库 hands on guide
- 基于预训练模型的文本摘要
- Serverless 实战：如何结合 NLP 实现文本摘要和关键词提取?
- 开源项目，涵盖 11 类 AI 学习框架、平台
- 自然语言处理工具包之NLTK
- 基于spaCy 规则提取，搜索引擎如何检索结果：Python和spaCy信息提取简介
- bert-extractive-summarizer 中文文章的抽取式摘要
- 理解NLP中的CNN卷积神经网络
- 依存分析与依存树 dependency parse
- 关键词与文章相关性, 关键词自动标注与提取
- 使用Python和Google NLP API进行网站分类
- 使用 AI 自动执行 Web 爬网
- 通过机器学习对网站进行分类
- TextRank算法简述
- NLTK TextRank实现英文关键词提取
- 使用 Spacy和 FuzzyWuzzy 构建关键字提取API
- 使用余弦相似度算法计算文本相似度
- 细数2018年最好的词嵌入和句嵌入技术
- 从头开始多标签文本分类
- 没有模型训练情况下用BERT做文本分类
- 用 NLP 做文本分析和特征工程
- 如何使用 BERT 和 Word2Vec 计算句子相似性
- BERT用于计算句子文本相似度
- 用BERTopic进行交互式主题建模
- 结构化数据提取实践
- BERT时代下的摘要提取长文总结
- 向 spaCy 添加指定分词器(Jieba,CKIP Transformers)
- NLP之文章摘要
- 基于词频计算句子权重的文本自动摘要
- 文本自动摘要任务的“不完全”心得总结
- 基于主题模型和命名实体识别的自动摘要方法
- 词向量(one-hot/SVD/NNLM/Word2Vec/GloVe)
- NLP文本摘要实操 - 具有生成示例的实用指南
- 使用 Python 和 spaCy 进行信息提取简介
- 事件抽取简介
广告程序化¶
- SEO竞争对手分析 围绕 SEO 开展竞争对手分析 [包含分析模板]
- 谷歌 Adsense hexo个人next主题博客接入谷歌广告
- 独立站选品方法 分享Shopify独立站的几套选品方法论
- 什么是语义搜索？它是如何影响SEO的 语义搜索是现代搜索引擎用来返回最相关搜索结果的信息检索过程
- 如何编写完美的元描述 如何编写完美的元描述。元描述是一个HTML meta属性，用于描述页面内容。
- SEO之网站分类目录外链推广工具, 高质量外链来源和技巧
- Instagram 爬虫
- 使用 Python 查找关键字类别的搜索量上限
- 可视化 100000 亚马逊产品
- 使用SimHash进行海量文本去重流程
- 动态网站使用 Python 向 Google 自动提交站点地图
- 如何把网站提交给搜索引擎 如何把网站提交给搜索引擎 Google，Bing, Yahoo和百度
- SEO 优化: 添加 JSON-LD 数据
- SEO 优化: Open Graph protocol
长尾词SEO优化¶
- 长尾词优化入网页
- 关键词难度：如何确认你在 Google 获得排名的机会
- 如何让网站排名进入谷歌首页
- 如何搭建一个成功的亚马逊联盟网站
- SEO每日流量如何从0到10000
- Python与SEO 词库完整指南
自动化与爬虫¶
量化¶
- 量化简介
- RSRS(阻力支撑相对强度)择时策略研究
- 多因子模型选股，配RSRS择时方法
- 利用欧奈尔的RPS寻找强势股
- Lazy Predict 如何用几行代码运行 40 个回归模型
- 巴菲特的Alpha：利用机器学习量化『股票基本面』
- 使用矢量空间AI NLP / NLU相关矩阵数据集生成阿尔法：股票与周期性
- 量化交易入门——因子的评价体系和IC、IR
- 时间序列预测基本方法--移动平均（SMA、EMA、WMA）
- MACD交易指标
量化系列文章¶
- 量化投资入门系列（二）——简单策略初探
- 量化投资入门系列（三）——CAPM与风险
- 量化投资入门系列（四）——APT与BARRA
- 量化投资入门系列（五）——基于BARRA的组合构建
- 量化投资入门系列（六）——技术性因子分析与遗传算法生成
- 量化投资入门系列（七）——基于机器学习的股票走势预测
- 量化投资入门系列（八）——基于神经网络的股票走势预测
- 量化投资入门系列（九）——TabNet解析与使用
其他知识¶
