If you just need GPU computing power occasionally, Cloud GPU is a better choice. Overloaded This afternoon, I trained a 3-layers neural network as a regression model to predict the house price in Boston

咱们的 Python 教程代码已经可以免安装在线运行了。但如果你希望在本地克隆运行环境，请参考本文的步骤说明。 疑惑 这些日子，我用课余时间，忙着把自己知识星球的分享文章转移到语雀平台，以便于订阅用户阅读和获得即时推送。目前该分享空间已经初具规模。 回过头来一看，专栏和微信公众号后台，积攒了不少用户的提问。 例如这位用户问： 为什么我在binder上新建的文件再次打开后就丢失了？

本文以一款阿里云市场历史天气查询产品为例，为你逐步介绍如何用 Python 调用 API 收集、分析与可视化数据。希望你举一反三，轻松应对今后的 API 数据收集与分析任务。 雷同 上周的研究生课，学生分组展示实践环节第二次作业，主题是利用 API 获取、分析与可视化数据。 大家做的内容，确实五花八门。 例如这个组，调查对象是动画片《小猪佩奇》（英文名 “Peppa

其实，不只是iPad，手机也可以。 痛点 我组织过几次线下编程工作坊，带着同学们用Python处理数据科学问题。 其中最让人头疼的，就是运行环境的安装。 实事求是地讲，参加工作坊之前，我已经做了认真准备。 例如集成环境，选用了对用户很友好的Anaconda。 代码在我的Macbook电脑上跑，没有问题。还拿到学生的Windows 7上跑，也没有问题。这才上传到了Github。

本文教你用简单易学的工业级Python自然语言处理软件包Spacy，对自然语言文本做词性分析、命名实体识别、依赖关系刻画，以及词嵌入向量的计算和可视化。 盲维 我总爱重复一句芒格爱说的话： To the one with a hammer, everything looks like a nail. （手中有锤，看什么都像钉） 这句话是什么意思呢？ 就是你不能只掌握数量很少的方法、工具。

本文为你展示，如何用Python把许多PDF文件的文本内容批量提取出来，并且整理存储到数据框中，以便于后续的数据分析。 问题 最近，读者们在后台的留言，愈发五花八门了。 写了几篇关于自然语言处理的文章后，一种呼声渐强： 老师，pdf中的文本内容，有没有什么方便的方法提取出来呢？ 我能体会到读者的心情。 我展示的例子中，文本数据都是直接可以读入数据框工具做处理的。它们可能来自开放数据集合、网站API，或者爬虫。

利用Python机器学习框架scikit-learn，我们自己做一个分类模型，对中文评论信息做情感分析。其中还会介绍中文停用词的处理方法。 疑惑 前些日子，我在微信后台收到了一则读者的留言。 我一下子有些懵——这怎么还带点播了呢？ 但是旋即我醒悟过来，好像是我自己之前挖了个坑。 之前我写过《 如何用Python从海量文本抽取主题？ 》一文，其中有这么一段：

链接散落的教程文章，做个详细的导读，助你更高效入门数据科学。 问题 2017年6月以来，我陆续在自己的简书专栏《玉树芝兰》里，写了一系列数据科学教程。 这源于一次研究生课编程工作坊尝试。受阎教练的创新思维训练营启发，我在课后把词云制作流程详细记录转述，分享给了大家。 没想到，这篇《如何用Python做词云？》受到了读者们非常热烈的欢迎。 此后，一发不可收拾。

只需要花10几分钟，跟着教程完整做一遍，你就能自己用Python做出词云了。 《如何用Python做词云？》图文版发布于2017年6月，是我数据科学系列教程中的第一篇。 目前仅简书一个平台，阅读数量就已经超过2万。 我一直不断收到读者的留言和来信，询问自己动手尝试过程中遇到的问题。 大部分的疑问，来自于Windows平台用户。 有时候，因为一个软件包选择错误，就会遇到各种报错。

本视频教程针对Windows 7平台，集成3.6版本Python的Anaconda录制。 根据我多次线下编程工作坊获得的反馈经验，发现Python初学者居然在环境安装步骤，就很可能遭受挫折。 如果没有有效的指引，初学者往往会把大量的时间花在低水平试错上。 这就是为什么人们经常揶揄“从入门到放弃”。 其实，只需要老师在关键处多讲一两句话，大部分人就可以根据图文教程顺利走下来，获得成功经验、乐趣和自信。

想运行TuriCreate，却没有苹果电脑，也没有Linux使用经验，怎么办？用上这款云端应用，让你免安装Python运行环境。一分钱不用花，以高性能GPU，轻松玩儿转深度学习。 痛点 《如何用Python和深度神经网络识别图像？》一文发布后，收到了很多读者的留言。大家对从前印象中高不可攀的深度神经网络图片识别来了兴趣，都打算亲自动手，试用一下简单易用的TuriCreate框架。 有的读者尝试之后，很开心。

给你10万张图片，让你找出与其中某张图片最为近似的10张，你会怎么做？不要轻言放弃，也不用一张张浏览。使用Python，你也可以轻松搞定这个任务。 疑问 《如何用Python和深度神经网络识别图像？》一文写完后，我收到了不少读者的反馈。其中一个很普遍的疑问是： 识别相同或相似的图像，有什么好的方法么？ 我虽然乐于帮助读者解决问题，但实话实说，一开始不太理解这种需求。

只需要10几行Python代码，你就能构建自己的机器视觉模型，快速准确识别海量图片。快来试试吧！ 视觉 进化的作用，让人类对图像的处理非常高效。 这里，我给你展示一张照片。 如果我这样问你： 你能否分辨出图片中哪个是猫，哪个是狗？ 你可能立即会觉得自己遭受到了莫大的侮辱。并且大声质问我：你觉得我智商有问题吗？！ 息怒。 换一个问法：

本文一步步为你介绍，如何用Python自动判断多张图片中哪些超出阈值需要压缩，且保持宽高比。如果你想了解Python图像处理的基础知识，欢迎动手来尝试。 痛点

当你开始接触丰富多彩的开放数据集时，CSV、JSON和XML等格式名词就会奔涌而来。如何用Python高效地读取它们，为后续的整理和分析做准备呢？本文为你一步步展示过程，你自己也可以动手实践。 需求 人工智能的算法再精妙，离开数据也是“巧妇难为无米之炊”。 数据是宝贵的，开放数据尤其珍贵。无论是公众号、微博还是朋友圈里，许多人一听见“开放数据”、“数据资源”、“数据链接”这些关键词就兴奋不已。

本文一步步为你演示，如何用Python从中文文本中提取关键词。如果你需要对长文“观其大略”，不妨尝试一下。 需求 好友最近对自然语言处理感兴趣，因为他打算利用自动化方法从长文本里提取关键词，来确定主题。 他向我询问方法，我推荐他阅读我的那篇《如何用Python从海量文本提取主题？》。 看过之后，他表示很有收获，但是应用场景和他自己的需求有些区别。

看似无边无际、高深难懂而又时刻更新的数据科学知识，该怎样学才更高效呢？希望读过本文后，你能获得一些帮助。 疑惑 周五下午，我给自己的研究生开组会。主题是工作坊教学，尝试搭建自己的第一个深度神经网络。 参考资料是我的文章《如何用Python和深度神经网络发现即将流失的客户？》。我带着学生们从下载最新版Anaconda安装包开始，直到完成第一个神经网络分类器。 过程涉及编程虚拟环境问题，他们参考了《如何在Jupyter

Python深度学习简明实战教程来了。别犹豫了，赶紧从零开始，搭建你自己的第一个深度学习模型吧！ 想不想了解如何用Python快速搭建深度神经网络，完成数据分类任务？本文一步步为你展示这一过程，让你初步领略深度学习模型的强大和易用。 烦恼 作为一名数据分析师，你来到这家跨国银行工作已经半年了。 今天上午，老板把你叫到办公室，面色凝重。 你心里直打鼓，以为自己捅了什么篓子。幸好老板的话让你很快打消了顾虑。

如今的编程，早已不是单打独斗的模式了。优秀的编程人员，甚至是初学者，都必须学会如何与他人高效协作。Github是编程协作中须要掌握的基础知识。如何尽快入门，少走弯路呢？希望读过本文，你能获得一些帮助。 疑惑 前几天，有同学在知识星球留言，询问我如何学习Github的使用。 我觉得这个问题很重要。本打算写一篇教程，以最简化的样例作为基础，带着你从头到尾做一遍的。

敲黑板了啊，答疑时间到。如果你没有良好的Python编程基础，在尝试应用数据科学方法时遇到了问题和困难，又不知道该如何有效解决，那么这篇文章就是为你写的。请务必认真阅读哟。 错误 几个月以来，我一直在发布数据科学类的应用案例文章。我的目标是帮助初学者建立信心，激发兴趣。从反馈来看，确实吸引了不少“文科生”来尝试数据科学方法。