udacityDataAnalystNanodegree 关于 该存储库包含Udacity的项目工作。

毕业设计书加源码Nanodegree-NLP 1.- 自然语言处理简介 1.1.- 欢迎使用自然语言处理 欢迎 Luis Serrano - Udacity 人工智能学院课程负责人 自然语言处理是机器学习中最令人兴奋和发展最快的应用之一 第1部分： 语言处理基础和一些非常有趣的概率算法 项目 - 使用隐马尔可夫模型构建词性标注模型 第2部分： 深入了解一些最令人兴奋的基于深度学习的语言模型 项目 - 使用深度神经网络构建机器翻译模型 第 3 部分： 语音识别和语音用户界面 项目 - 使用深度神经网络的端到端语音识别模型 合作者： Arpan Chakraborty - 佐治亚理工学院和 Udacity 的计算机视觉和机器学习 Jay Alamar - 拥有非常受欢迎的机器学习博客的计算机科学家和投资原则 Dana Sheahen - 电气工程师，拥有计算机科学硕士学位，热爱所有人工智能事物 截止日期政策 该计划以项目为基础，每个项目都有一个建议的截止日期，以保持学生毕业的步伐。 除了建议的项目截止日期外，每个班级都有一个学期结束截止日期，在此日期之前必须通过所有必需的项目才能成功完成课

DNA Tile Assembly for Degree-Constrained Minimum Spanning Tree

2021年3月2日 研究TMDb电影数据集 该项目是为Udacity的Data Analyst纳米级程序编写的。 主要目标是研究使用Python 3和诸如numpy，pandas和matplotlib之类的库执行整个数据分析过程的数据集。 为此选择了TMDb电影数据集。 该数据集已从原始数据中清除，包含有关1960年至2015年之间制作的超过1万部电影的基本信息。 这个项目的范围非常有限，仅限于讨论电影的几个方面，可以认为是成功的。 假定有两个变量可以衡量电影的成功程度，投票平均得分和收入，尽管其他变量也可以用于此目的。 使用的文件 调查数据集 tmdb-movies.csv

六度凯文培根 六度凯文·培根或“培根定律”是基于“六度分离”概念的客厅游戏，它假定地球上的任何两个人相距六个或更少的熟人链接。 电影爱好者互相挑战，寻找任意演员和多产演员凯文·培根之间的最短路径。 它基于这样一个假设，即好莱坞电影业的任何人都可以通过他们的电影角色在六个步骤内与培根联系起来。 2007 年，培根创办了一个名为 SixDegrees.org 的慈善组织。 2020 年，培根开设了一个名为“凯文培根的最后一个学位”的播客。 培根数 演员的培根数是游戏定义的他或她与培根的分离度数。 这是 Erdős 数字概念在好莱坞电影业的应用。 培根数越高，演员与凯文培根的差距越大。 演员 X 的培根数的计算是一种“最短路径”算法，适用于联合主演网络： 如果演员不在同一个子网中，则他/她的培根数为 0。 那些直接与凯文培根合作的演员的培根数为 1。 如果与 X 一起出现在任何电影中的任

六度分离 这是我用Java编写的一个程序，用于将六度分离的概念应用到电影行业中。 程序的功能是这样的：用户可以输入两个女演员的名字，程序会分析并绘制一个图表来显示这两个人之间的联系。 也就是说，如果他们出现在同一部电影中，程序就会找到他们所投的电影； 否则，该程序将使用链将他们与与他们一起出演同一部电影的其他女演员联系起来。 我使用的数据来自iMDB开源数据库，可以在这里下载。 ftp://ftp.fu-berlin.de/pub/misc/movies/database/ 运行程序时，记得将数据upzip 并与java 代码放在同一目录中。

汽车设计院校毕业设计作品展

汽车设计院校毕业设计作品展

汽车设计院校毕业设计作品展