Posts

时间： 2024-06-15 06:49:43 距离： 21.12 km 时长： 2:06:32 配速： 10.22 km/h 心率： 156 bpm

时间： 2024-06-13 06:17:23 距离： 10.02 km 时长： 54:24 配速： 11.05 km/h 心率： 160 bpm

时间： 2024-06-11 06:13:41 距离： 9.29 km 时长： 50:08 配速： 11.11 km/h 心率： 164 bpm

先看集成ECharts的图表展示效果，整体文章效果可以跳转到 跑步总结： ECharts模块安装 模块GitHub地址：hugomods / echarts ECharts地址：ECharts Dist 在使用说明提到的安装使用说明，没有成功，可能是我的使用方式不对，一致没有出来效果，后面安装方式采用之前博客里安装主题的方式，如果按照我提供的方式进行，建议阅读 Hugo个人博客搭建 。 在GitHub下载echarts模块的最新程序包，包的结构如下： echarts ├── assets # TypeScrpt/JS资源 │ └── mods │ └── echarts ├── layouts # 站点样式 │ ├── _default │ ├── partials │ └── shortcodes └── …… # 其他文件 从上面提供的第2个链接下载echarts.js放到assets/mods/echarts 。 如需要加速echarts.js的加载速度，可以在ECharts在线定制 ，可以减小JS文件大小，加速加载速度。 将上面的assets、layouts 目录中文件拷贝到博客相应的目录，其他模块的文件可以忽略，博客目录参考如下： bytejog ├── archetypes # 站点文章模板 │ └── default.md ├── assets # 需要被处理的资源 (SCSS、TypeScrpt 等) ├── content # 站点文章 ├── data # 配置文件 ├── hugo.yaml # 站点配置文件 ├── i18n # 国际化文件 ├── layouts # 站点样式 ├── static # 静态资源 (图片、CSS、JavaScript 等) └── themes # 主题 修改layout/_default/baseof....

时间： 2024-06-08 07:19:15 距离： 15.61 km 时长： 1:34:29 配速： 9.91 km/h 心率： 147 bpm

时间： 2024-06-07 06:18:44 距离： 5.20 km 时长： 30:52 配速： 10.11 km/h 心率： 147 bpm

简介 该网页为非计算机专业背景的人提供了一个学习人工智能/机器学习的 50 天路线图，强调解决问题的思维方式、学习和认证比技术背景或学位更重要。 摘要 题为 “50 天学习人工智能/机器学习 ：从零到英雄（非计算机专业背景）“的内容旨在帮助对人工智能/机器学习感兴趣的非计算机专业背景的个人，提供一个学习必要技能的 50 天路线图。该路线图假定读者对高中数学、线性代数、矩阵以及一些统计学和概率论有基本的了解。它包括 Python、Numpy、Pandas、Matplotlib、TensorFlow 和其他工具的学习资源，以及完成 Andrew Ng 的机器学习专业课程。路线图强调，要想在人工智能/机器学习领域取得成功，只需具备解决问题的思维方式、学习意愿和一些证书。 建议 作者认为，非计算机专业背景的人也可以通过正确的心态和资源学习人工智能/机器学习。 作者强调了解决问题的心态和学习意愿的重要性，而不是技术背景或学位。 作者建议，对高中数学、线性代数、矩阵以及一些统计学和概率论有基本了解，就足以开始学习人工智能/机器学习。 作者建议完成 Andrew Ng 的机器学习专业课程，作为 50 天路线图的一部分。 作为路线图的一部分，作者提供了学习 Python、Numpy、Pandas、Matplotlib、TensorFlow 和其他工具的资源。 作者鼓励个人练习编码和完成实践练习，以巩固所学知识。 作者承认，学习人工智能/机器学习 有时会让人感到沮丧，并建议在必要时休息一下。 对人工智能感兴趣？非计算机专业背景？看起来像珠穆朗玛峰？不知道从哪里开始？或者要怎样才能达到目标？我能感受到你的心情。 如果你想知道你能不能做到，以及如何做到，请稍等片刻。你不会后悔的那么，让我们进入正题。 学习的基础需要什么？ 你只需要一点这方面的能力、解决问题的心态、学习的意愿和一些证书。请放心，你绝对不需要任何技术背景，也不需要 计算机/人工智能 学位。 这个备忘录可能会让你轻松一些。你只需输入 import keras，keras 就会为你完成所有复杂的工作。你只需知道发生了什么。 Credits: https://m.facebook.com/groups/1638417209555402/ 这是我 50 天内学习机器学习的“试错”之旅，经过提炼整理，更加有条理。 假设你在高中时认真上过数学课，对线性代数、矩阵、统计学和概率论略知一二，那么我们就可以进入第 1 天，马上开始真正的学习。 第1天 机器学习专项课程，作者：Andrew Ng Deeplearning.ai YouTube 频道和 Coursera 提供 5 小时的课程。 第 2-3 天 Python：基本了解和练习。了解从 PRINT 到 FUNCTIONS 和 CLASSES 的所有内容。...

时间： 2024-06-05 06:31:41 距离： 10.04 km 时长： 52:55 配速： 11.38 km/h 心率： 165 bpm

时间： 2024-06-03 06:37:58 距离： 7.23 km 时长： 43:43 配速： 9.91 km/h 心率： 147 bpm

时间： 2024-06-01 06:47:29 距离： 15.15 km 时长： 1:34:10 配速： 9.65 km/h 心率： 151 bpm