根据图识，项目将分为三个部分。
整个项目基本思路是如何通过爬虫爬取大量数据放到Hbase，然后通过ETL工具初步转化筛选将数据存到mongodb，抽取mongodb的数据进行清洗处理算出模型放到hdfs。
后续进来数据通过模型运算出数据的类型。
项目系统主要包括前端+后端+机器学习，前端采用ReactNative，Native，后端采用Dubbo+Spring+java，机器学习采用Spark进行实现，本项目机器学习-spark代码运行在mesos上。

Dlib是一种现代的C++工具包，它包含机器学习算法和用于在C++中创建复杂软件以解决现实世界问题的工具。
它广泛应用于工业界和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。
Dlib开源许可允许您在任何平台、任何应用程序中免费使用它。
这里整理打包了dlib19系列的所有已有的资源，格式为tar.tz和whl。
通用的dlib库，一定不会让你失望。

情感语料库，用于机器学习，将结果用于业务逻辑，并能为业务提供相关功能，

测量语言模型中的社会偏见贡献者对应于：（）WuChiyu（）概括TLDR：我们设计了一个基准套件，以测试预训练语言模型中是否存在代表性的社会偏见。
我们的指标捕获了单词和句子级别的偏见，并返回了在公平性和性能之间取得平衡的整体评分。
动机随着机器学习方法被部署在诸如医疗保健，法律系统和社会科学等现实世界中，至关重要的是要认识到它们如何在这些敏感的决策过程中形成社会偏见和成见。
在这样的现实世界中，部署大规模的预训练语言模型（LM）可能会表现出不良的代表性偏见，而这种偏见可能是危险的-刻板印象产生的有害偏见会传播涉及性别，种族，宗教和其他社会建构的负面概括。
为了提高LM的公平性，我们在提出新的基准和度量标准之前，仔细定义了代表偏见的几种来源。
该存储库包含一组工具，用于对LM中的社会偏见进行基准测试。
相关工作最近的工作集中于定义和评估社会偏见[1,2]以及其

智能垃圾分类，盈创回收，一种使用机器学习，计算机视觉和传感器网络的智能垃圾桶，相关论文期刊

WeizmannDataset动作图片集，包括bend，jack，jump，pjump，run，side,skip,walk,wave-onehand,wave-twohand。
一共提取9300张，适合机器学习的开发人使用

目录列表：2dplanes.arffabalone.arffailerons.arffAmazon_initial_50_30_10000.arffanneal.arffanneal.ORIG.arffarrhythmia.arffaudiology.arffaustralian.arffauto93.arffautoHorse.arffautoMpg.arffautoPrice.arffautos.arffauto_price.arffbalance-scale.arffbank.arffbank32nh.arffbank8FM.arffbaskball.arffbodyfat.arffbolts.arffbreast-cancer.arffbreast-w.arffbreastTumor.arffbridges_version1.arffbridges_version2.arffcal_housing.arffcar.arffcholesterol.arffcleveland.arffcloud.arffcmc.arffcolic.arffcolic.ORIG.arffcontact-lenses.arffcpu.arffcpu.with.vendor.arffcpu_act.arffcpu_small.arffcredit-a.arffcredit-g.arffcylinder-bands.arffdelta_ailerons.arffdelta_elevators.arffdermatology.arffdetroit.arffdiabetes.arffdiabetes_numeric.arffechoMonths.arffecoli.arffelevators.arffelusage.arffeucalyptus.arffeye_movements.arfffishcatch.arffflags.arfffried.arfffruitfly.arffgascons.arffglass.arffgrub-damage.arffheart-c.arffheart-h.arffheart-statlog.arffhepatitis.arffhouse_16H.arffhouse_8L.arffhousing.arffhungarian.arffhypothyroid.arffionosphere.arffiris.2D.arffiris.arffkdd_coil_test-1.arffkdd_coil_test-2.arffkdd_coil_test-3.arffkdd_coil_test-4.arffkdd_coil_test-5.arffkdd_coil_test-6.arffkdd_coil_test-7.arffkdd_coil_train-1.arffkdd_coil_train-3.arffkdd_coil_train-4.arffkdd_coil_train-5.arffkdd_coil_train-6.arffkdd_coil_train-7.arffkdd_el_nino-small.arffkdd_internet_usage.arffkdd_ipums_la_97-small.arffkdd_ipums_la_98-small.arffkdd_ipums_la_99-small.arffkdd_JapaneseVowels_test.arffkdd_JapaneseVowels_train.arffkdd_synthetic_control.arffkdd_SyskillWebert-Bands.arffkdd_SyskillWebert-BioMedical.arffkdd_SyskillWebert-Goats.arffkdd_SyskillWebert-Sheep.arffkdd_UNIX_user_data.arffkin8nm.arffkr-vs-kp.arfflabor.arfflandsat_test.arfflandsat_train.arffletter.arffliver-disorders.arfflongley.arfflowbwt.arfflu

《机器学习笔记（2）——使用朴素贝叶斯算法过滤（中英文）垃圾邮件》一文中的邮件数据

理论机器学习的解答

基于卷积神经网络的真实图像质量评价方法，唐敏，刘勇，现有盲图像质量评价方法主要采用手动提取图像特征和传统的机器学习组合的方法，如支持向量机(SVM)。
传统无参考图像质量评价方法通�

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。